基于ASP.NET技术、量子遗传算法的物流调度管理系统设计与实现

随着大数据及云计算技术、人工智能技术在国内的迅猛发展,物流行业也广泛应用ASP.NET软件开发技术、B/S(browser/server)系统结构、SQL Server数据库等软硬件开发出符合物流企业车辆运输调度、物流信息管理的数字化服务系统。基于此,利用Web应用程序的ASP.NET分布式框架、B/S结构、SQL Server关系型数据库、IIS8服务器、COM组件等软硬件工具,建构起可用于物流企业客户订单管理、出库/入库管理、车辆调度管理的信息化服务系统,运用量子遗传算法建立物流企业的配送车辆路径规划模型、车辆优化调度寻优方案,进而提升物流企业配送车辆调度、物流信息资源管理的效率与质量。

基于量子遗传算法的通信网络资源分配优化方法

常规的通信网络资源分配优化方法以吞吐量优化为主,并未考虑到通信网络的环境需求,降低了网络资源分配的合理性。因此,文章设计了基于量子遗传算法的通信网络资源分配优化方法。该方法将通信需求、通信设备带宽限制、通信网络类型考虑在内,基于量子遗传算法构建通信网络资源分配优化模型,对网络资源分配优化目标进行量子编码,评估网络资源分配的适应度,从而得到网络资源分配优化的最优解。通过调整通信网络资源分配调度因子,根据网络负载、通信行为等实时变化情况,引入动态调整机制,以适应不同情况下的资源分配需求。经对比实验,验证了该方法的有效性,与传统方法相比优化性能更佳。

基于种群混合迁移策略的并行量子遗传算法

针对量子遗传算法求解大规模优化问题存在收敛速度慢、易于陷入局部最优等问题,改进量子遗传算法。设计一种种群混合迁移机制促进算法的种群多样性,采用仿TriBA种群结构、双精英种群、重生种群、自适应迁移算子、个体竞争排挤算子以及随机失活机制,提高算法的局部勘测能力和全局寻优能力。利用Spark框架实现算法在分布式集群环境下的运算。改进2-opt&R优化算法,通过引入高斯变异提高算法的局部搜索能力,缩小算法的搜索空间。实验结果表明,改进后的算法在全局优化能力、收敛速度、运行速度和求解稳定性等方面均有大幅度提升。

量子遗传算法在无线自组网频率分配中的应用

论文将量子遗传算法应用于地面应急通信车辆无线自组网节点的使用频率分配,通过分析无线自组网节点频率的约束条件,建立频率分配的数学模型,并设计了使用量子遗传算法进行频率分配的的工作流程,对经典遗传算法库GALib进行扩展改进,增加了量子遗传算法的实现,通过模拟典型的无线自组网网络环境,比较经典和量子遗传算法的分配结果,量子遗传算法的分配收敛速率优于经典遗传算法,可以实现无线自组网节点频率灵活、高效的快速分配。

基于改进混合量子遗传算法的二相编码雷达波形优化

针对当前雷达波形优化算法搜索策略单一、适用范围受限的问题,提出了一种基于改进混合量子遗传算法的二相编码雷达波形优化算法。所提算法采用了一种新的自适应旋转角度策略,根据迭代次数和余弦相似度动态调整旋转角度,提高了算法的收敛速度、全局搜索能力和求解质量。仿真结果表明,与遗传算法、基本量子遗传算法和混合量子遗传算法相比,对于包含了单峰、多峰和非凸优化问题的6个标准测试函数,所提算法在质量和资源消耗上均表现更好;对于二相编码雷达波形优化,证实了使用所提算法优化波形是可行和有效的。

基于模拟退火量子遗传算法的焊接机器人轨迹规划

针对焊接机器人在焊接过程中经常出现的轨迹规划问题,以六自由度机械臂PUMA 560为研究对象,采用笛卡尔空间规划轨迹,并利用混合算法,以关节惯性力矩变化量最小为优化目标,对不同末端位置的各个关节惯性力矩进行优化,从而消除了机械臂焊接过程中的运行不稳定、关节运动不平稳等问题。克服了模拟退火算法收敛速度慢及量子遗传算法局部寻优能力差等问题,成功规划出机械臂关节惯性力矩最优轨迹。MATLAB仿真结果表明,模拟退火量子遗传算法收敛时间相比传统遗传算法缩短30.56%,并且优化了关节惯性力矩,验证了该算法的可行性,可为后续研究奠定基础。

基于小波时频图和量子遗传算法的车轮扁疤检测方法

针对地铁车轮扁疤在线诊断困难问题,提出了一种基于小波时频图、灰度投影法和量子遗传算法的智能在线车轮扁疤检测方法。首先对轮轨间的垂向振动信号进行小波时频分析,得到小波时频图,然后结合灰度投影法从时频图中提取车轮扁疤的特征;最后采用量子遗传算法对支持向量机进行优化以提高SVM的分类准确率。通过一个工程实例验证了该方法在识别车轮扁疤时的有效性。结果表明,该方法能够准确且快速地检测出对车轮扁疤,且所使用的分类模型的性能优于现有模型。

混合量子遗传算法及其性能分析

首先比较了带量子门更新和群体灾变的量子算法(QA)以及加入对量子位的交叉和变异操作的量子遗传算法(QGA);然后结合量子搜索和传统遗传搜索提出了混合量子遗传算法的框架,并给出了基于二进制编码的混合量子遗传算法(BQGA)和基于实数编码的混合量子遗传算法(RQGA).基于典型问题的数值仿真和比较表明,RQGA的性能明显优于其他算法,对参数和初值具有较好的鲁棒性.

多宇宙并行量子遗传算法

提出了一种多宇宙并行量子遗传算法 ,并从理论上证明了算法的全局收敛性 .算法中将所有的个体按照一定的拓扑结构分成一个个独立的子群体 ,称为宇宙 ;采用多状态基因量子比特编码方式来表达宇宙中的个体 ;采用通用的量子旋转门策略和动态调整旋转角机制对个体进行演化 ;采用量子非门实现量子变异以阻止早熟收敛 ;各宇宙独立演化 ,宇宙之间采用最佳移民和量子交叉操作来交换信息 ,提高算法的执行效率 .将该算法与独立分量分析算法相结合 ,提出一种盲源分离新方法 .仿真结果表明

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出一种实数编码混沌量子遗传算法(RCQGA).该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索.实验结果表明,RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点,而且可以减少寻优的计算复杂度,具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点,适用于工程应用中的复杂函数优化问题.

基于多宇宙并行量子遗传算法的非线性盲源分离算法研究

在系统分析非线性盲源分离模型和算法的基础上,提出了基于输出信号联合累积量的非线性盲 源分离算法,并提出采用多宇宙并行量子遗传算法的优化求解方法,仿真结果表明了算法的有效性.

运用改进的量子遗传算法进行结构损伤识别

利用振动得到的模态参数进行结构的损伤识别,是当前结构损伤识别领域中采用较为普遍的方法之一。文中引入量子遗传算法处理模态参数,为了让量子遗传算法更适用于复杂结构的损伤识别,还提出了改进的动态策略调整量子门旋转角,并应用于某框架结构的损伤识别。在识别过程中,以结构损伤前后柔度矩阵差的1范数为基础建立改进的量子遗传算法的目标函数,进行结构的损伤识别。结果表明该方法能准确、有效地判断框架结构的损伤发生、损伤位置以及损伤程度,并且具有一定的抗噪能力。

基于量子遗传算法的继电保护定值优化方法

针对现有继电保护定值优化方法的收敛性与灵敏度较差的问题,提出基于量子遗传算法的继电保护定值优化方法。以继电保护动作时间和最小为目标建立优化目标函数,对继电保护的收敛性、选择性以及灵敏性进行约束,设定差级约束、灵敏度约束等约束条件。利用量子遗传算法求解满足约束条件的目标函数最优解,得到优化的继电保护整定值。在验证实验中,所提出的方法表现出较快的收敛速度和较高的灵敏度。

基于量子遗传算法的配电网单相接地故障定位方法分析

阐述基于量子遗传算法的配电网单相接地故障定位方法。以检测出配电网线路暂态零序电流信息作为单相接地故障特征,以电流实际检测值和期望值之间差值最小为目标,构造对应的目标适应度函数作为单相接地故障选线判据,引入量子遗传算法求解函数,完成配电网单相接地故障区段定位。

基于步进量子遗传算法的高速电梯横向振动LQR控制策略分析

针对高速电梯轿厢系统的横向振动问题,文章采用了LQR控制策略,并利用SQGA对状态加权矩阵进行优化。通过对SQGA与QGA的比较分析,发现SQGA在收敛速度和避免局部最优解方面表现更优。数值仿真实验表明,基于SQGA优化的LQR控制器显著降低了轿厢系统的横向振动位移和加速度,提高了乘坐舒适性,为高速电梯横向振动控制提供了一种有效的策略,具有重要的实际应用价值。

局部搜索量子遗传算法及其无功优化应用

针对量子遗传算法局部寻优能力差的不足,提出一种局部搜索量子遗传算法,用于电力系统无功优化。该方法将局部搜索引入到量子遗传算法中,先进行全局寻优,当全局寻优搜索到的最优解经过多次迭代没有变化时,在此解附近产生小的寻优区间,进行局部寻优,以使算法同时具有较强的全局和局部搜索能力。复杂测试函数和IEEE 30节点测试系统的仿真实验表明,该方法在寻优能力、收敛速度和稳定性方面优于文献中的新量子遗传算法、进化规划等多种方法。

一种改进型量子遗传算法

针对量子遗传算法在复杂连续函数优化中存在的收敛速度慢、易陷入局部极值等缺点,提出一种改进型量子遗传算法。采用动态策略调整量子门旋转角,以加快收敛速度,采用优体交叉策略实施交叉操作,以增强局部搜索能力。通过典型复杂连续函数的测试验证该算法的可行性和有效性。

改进的量子遗传算法及其在WMSN覆盖优化中的应用

对量子遗传算法进行了研究。量子遗传算法只使用一个最优染色体来指导种群的进化,极易陷入局部最优,本文对此进行了改进,提出使用多个精英染色体来指导整个种群的进化。讨论了精英染色体的产生、维护与作用,并在此基础之上提出了一种基于精英组的量子遗传算法(elite groupbased quantum genetic algorithm,EQGA)。最后,将EQGA应用到无线多媒体传感器网络的覆盖优化问题中。对比测试表明,EQGA求出的解比遗传算法和量子遗传算法求出的解都要好。

基于改进量子遗传算法的图像匹配算法研究

量子遗传算法是目前较成熟的全局优化算法,对于多目标的优化有独特的高效性和精确性。图像的匹配过程可以近似地看作在搜索目标函数图像相似性的最优解,而目标函数的变量则可用几何参数代替,因此对图像匹配算法的研究可以归结到量子遗传算法的全局寻优。然而,图像匹配中特征参数较多,维度较高,如果使用量子遗传算法(QGA)匹配,就会陷入局部寻优的状况,为了避免此现象的出现以及提高多维高峰环境下的匹配成功率,提出了改进的量子遗传算法,新算法在迭代中后期得到优秀解之时发挥作用,保留最优解,初始化其余个体。该方法一方面帮助算法跳出局部寻优,另一方面增加了群体多样性,进而提高了图像匹配的成功率以及效率。

基于多目标混沌量子遗传算法的分布式电源规划

针对配电网加入分布式电源的经济技术优化目标,给出了分布式电源多目标规划的数学模型;结合实数编码量子遗传算法和非支配排序、精英保留、分层聚类等多目标优化策略,提出了多目标混沌量子遗传算法,并对分布式电源的安装位置和容量进行了综合规划研究。算例分析表明,所提算法在计算精度、收敛速度和寻优能力上均优于传统多目标遗传算法,为实现分布式电源的多目标规划提供了理论依据。