Improved quantum bacterial foraging algorithm for tuning parameters of fractional-order PID controller

The quantum bacterial foraging optimization(QBFO)algorithm has the characteristics of strong robustness and global searching ability. In the classical QBFO algorithm, the rotation angle updated by the rotation gate is discrete and constant,which cannot affect the situation of the solution space and limit the diversity of bacterial population. In this paper, an improved QBFO(IQBFO) algorithm is proposed, which can adaptively make the quantum rotation angle continuously updated and enhance the global search ability. In the initialization process, the modified probability of the optimal rotation angle is introduced to avoid the existence of invariant solutions. The modified operator of probability amplitude is adopted to further increase the population diversity.The tests based on benchmark functions verify the effectiveness of the proposed algorithm. Moreover, compared with the integerorder PID controller, the fractional-order proportion integration differentiation(PID) controller increases the complexity of the system with better flexibility and robustness. Thus the fractional-order PID controller is applied to the servo system. The tuning results of PID parameters of the fractional-order servo system show that the proposed algorithm has a good performance in tuning the PID parameters of the fractional-order servo system.

Enhanced minimum attribute reduction based on quantum-inspired shuffled frog leaping algorithm

Attribute reduction in the rough set theory is an important feature selection method, but finding a minimum attribute reduction has been proven to be a non-deterministic polynomial （NP）-hard problem. Therefore, it is necessary to investigate some fast and effective approximate algorithms. A novel and enhanced quantum-inspired shuffled frog leaping based minimum attribute reduction algorithm （QSFLAR） is proposed. Evolutionary frogs are represented by multi-state quantum bits, and both quantum rotation gate and quantum mutation operators are used to exploit the mechanisms of frog population diversity and convergence to the global optimum. The decomposed attribute subsets are co-evolved by the elitist frogs with a quantum-inspired shuffled frog leaping algorithm. The experimental results validate the better feasibility and effectiveness of QSFLAR, comparing with some representa- tive algorithms. Therefore, QSFLAR can be considered as a more competitive algorithm on the efficiency and accuracy for minimum attribute reduction.

NMR experimental realization of seven-qubit D-J algorithm and controlled phase-shift gates with improved precision

In this study, we report the experimental reali-zation of seven-qubit Deutsch-Jozsa (D-J) algorithm and controlled phase-shift gates with improved precision using liquid state nuclear magnetic resonance (NMR). Theexperimental results have shown that transformations Uf in the seven-qubit D-J algorithm have been implemented with different pulse sequences, and whether f is constant orbalanced is determined by using only a single function call(Uf). Furthermore, we propose an experimental method tomeasure and correct the error in the controlled phase-shift gate that is simple and feasible in experiments, and can have precise phase shifts. These may offer the possibility ofsurmounting the difficulties of low signal-to-noise ratio(SNR) in multi-qubit NMR quantum computers, morecomplicated experimental techniques, and the increase ofgate errors due to using a large number of imperfect selec-tive pulses. These are also applied to more complicated quantum algorithms with more qubits, such as quantumFourier transformation and Shor抯 algorithm.

Fault Reconfiguration of Shipboard Power System Based on Triple Quantum Differential Evolution Algorithm

Fault reconfiguration of shipboard power system is viewed as a typical nonlinear and multi-objective combinatorial optimization problem. A comprehensive reconfiguration model is presented in this paper, in which the restored loads, switch frequency and generator efficiency are taken into account. In this model, analytic hierarchy process(AHP) is proposed to determine the coefficients of these objective functions. Meanwhile, a quantum differential evolution algorithm with triple quantum bit code is proposed. This algorithm aiming at the characteristics of shipboard power system is different from the normal quantum bit representation. The individual polymorphic expression is realized, and the convergence performance can be further enhanced in combination with the global parallel search capacity of differential evolution algorithm and the superposition properties of quantum theory. The local optimum can be avoided by dynamic rotation gate. The validity of algorithm and model is verified by the simulation examples.

基于改进量子遗传算法的光伏智能楼宇负荷优化

针对楼宇用电负荷优化的问题,考虑用电成本、储能折损、用电舒适性和电网侧峰谷差波动的因素,提出一种多目标动态规划的办公楼宇负荷优化模型。结合分时电价建立楼宇净用电成本最小的目标函数,采用改进旋转门动态调整的量子遗传算法进行求解,通过动态调整量子旋转门,改变量子态的概率,提高了量子遗传算法求解的精确度;在保证得到全局最优解的同时完成负荷优化和供给侧的能量调度。实验结果表明,所提算法保证了用电舒适性,有效降低了楼宇用电成本和储能装置的折损费用,具有良好的经济收益;在降低峰谷差方面也起到了较好的效果。

基于IQGA-ELM的无绝缘轨道电路故障诊断研究

根据二端口网络理论建立了ZPW-2000A型轨道电路等效模型,在此基础上分析了区段轨道不同状态对机车感应电压信号幅值的影响并进行仿真。采用角度编码与小区间种群初始化、联合交叉与量子非门变异及量子旋转门自适应动态调整三个策略改进了量子遗传算法,并对极限学习机的输入层与隐含层间连接权值及隐含层神经元阈值进行寻优;通过改进的量子遗传算法优化极限学习机实现了对轨道电路的故障诊断。结果表明,该分类方法在保持较快收敛速率的同时,分类识别准确率也较高。

量子遗传算法研究进展

针对量子遗传进行了研究,介绍了量子遗传算法的发展、基本理论和方法,从量子门的改进、加入新算子、量子遗传算法的并行性、混合量子遗传算法四个角度论述了量子遗传算法的改进方法,并总结了量子遗传算法的应用领域。最后提出了量子遗传算法的发展方向。

一种改进的量子旋转门量子遗传算法

量子遗传算法易陷入局部极值。为此,提出一种改进量子旋转门的量子遗传算法。将量子比特的概率幅值应用于染色体编码,使用量子旋转门实现染色体的更新操作,从而实现目标的优化求解。理论分析及实验结果表明,该算法以概率1收敛,强收敛于1ε,与双链遗传算法相比,能增加算法复杂度,延长平均时间,对验证函数1收敛次数由3次增加到7次,对验证函数2收敛次数由8次增加到9次。

改进的量子遗传算法及应用

针对量子遗传算法在函数优化中迭代次数多、容易陷入局部最优解等缺点,提出新的量子遗传算法。该算法的核心是采用新的量子旋转门调整策略对种群进行更新操作,有效保证了种群的多样性,可以避免算法陷入局部最优解,提高了算法的全局寻优能力。同时能以更快的速度收敛于全局最优解。通过对典型复杂函数测试,计算结果表明,提出的算法优化质量和效率都要优于传统遗传算法和一般量子遗传算法。

基于实数编码和目标函数梯度的量子遗传算法

提出了一种基于实数编码和目标函数梯度信息的量子遗传算法．该方法用量子比特构成染色体,用实数对量子比特进行编码,用量子旋转门进行染色体更新,用量子非门进行染色体变异．对旋转门的旋转角方向的选择,给出了简易快捷的方法；对旋转角大小的选择,结合了目标函数的梯度信息．该方法将每一量子位看作上下两个并列的基因,每条染色体包含两条并列的基因链,每条基因链代表一个优化解．在染色体数目相同时,可使搜索空间加倍．以函数极值问题和神经网络权值优化问题为例,验证了该方法的有效性．

改进量子遗传算法在输电网规划中的应用

输电网规划是复杂的多目标非线性组合优化问题。针对传统遗传算法(GA)在求解输电网规划模型中存在收敛速度慢,容易陷入局部最优的不足,提出一种基于改进量子遗传算法(IQGA)的输电网规划方法。该算法在量子遗传算法(QGA)的基础上提出直接将量子染色体与当前最优解相比较来确定旋转门的旋转角策略,保证种群中个体以不同的收敛速度分别进行局部搜索和全局搜索,并同时采用量子全干扰交叉策略和量子非门变异策略有效防止算法陷入局部最优。所提三种改进策略各有针对性,能有效改善量子遗传算法在输电网规划中的收敛性能。分别采用传统遗传算法、量子遗传算法和该方法对Garver-6节点系统进行规划仿真,实验结果表明,该方法全局寻优能力强并且收敛速度得到显著提高。

基于通用量子门的量子遗传算法及应用

为加快量子遗传算法的参数更新速度,简化遗传操作步骤,提出了一种基于通用量子门的量子遗传算法(Quantum Genetic Algorithm with Universal Quantum Gate,UQGA)。该方法以通用量子门为逻辑计算单位,对染色体进行遗传操作。利用Hadamard门进行基础变换;通用量子门通过新的旋转角度函数,对各个基因位进行选择、变异操作;通过求解适应度函数,得到全局最优解;同时,算法经数学证明是收敛的。该算法应用到函数极值搜索和Iris数据集特征选择中。实验结果表明,UQGA具有较好的全局搜索和特征选择性能,尤其是在收敛速度、运算时间和分类准确率方面明显优于普通量子遗传算法和普通遗传算法。

一种改进的混合量子遗传算法

提出了一种改进的混合量子遗传算法(IHQGA),该算法首先在量子个体上实施量子交叉,这一操作有利于保留相对较好的基因段;其次,采用量子比特相位法更新量子门和自适应调整搜索网格的策略;最后,引入拟Newton算法进行局部搜索操作,使得种群的多样性强,解得的收敛精度高,收敛速度快;通过复杂函数测试标明此算法的优化质量和效率都强于传统遗传算法和量子遗传算法;另外,从理论上也证明了该算法以概率1收敛于全局最优解。

一种改进的量子遗传算法研究

提出一种改进的量子遗传算法(IQGA)。在编码方面提出了一种根据所求问题精度动态确定量子染色体基因长度的编码方法,考虑了计算解的精度和搜索效率的平衡关系。探讨了量子旋转角度的动态调整及策略,使算子在不同的情形下实现粗搜索和细搜索的结合。通过对量子变异操作的组合实现异后在一个更大的邻域范围内进行搜索,确保算法在合理的计算代价内有潜能搜索到高精度的解。最后,用IQGA对选取的若干基准测试函数进行测试。测试结果表明,相对于已有文献算法数据来说由IQGA得到的最好解、最好解的平均值以及收敛代数等均更具优势。

基于Hadamard门变异的量子遗传算法

为了解决量子遗传算法在函数优化过程中容易陷入局部极值问题，提出了一种Hadamard门变异的量子遗传算法。核心思想是利用小生境协同进化策略初始化种群，并采用动态调整量子旋转门策略对种群进行更新进化，加快算法的收敛速度，在量子变异过程中不采用量子非门变异而是利用Hadamard门变异操作，增加了种群的多样性，提高了全局搜索能力，保留了优秀信息。通过对典型复杂函数的优化测试，实验结果表明，提出的Hadamard门变异的量子遗传算法在效率和质量上与传统遗传算法和一般的量子遗传算法相比具有一定的优势。

基于量子遗传算法测试选择问题的研究

针对测试选择这一非确定性多项式的问题,实现了一种用于测试选择遗传算法;算法是以量子理论和量子计算为基础,采用量子比特实现个体编码,然后对每次迭代中的个体通过量子旋转门操作进行最优解搜索;最后,以超外差接收机系统为例,对算法的有效性进行了验证;事实证明,该算法能够较快地搜索到局部最优解,优于其它方法提出的最优测试集,验证了量子遗传算法对测试选择问题的有效性,为后续诊断方案中测试序列优化奠定基础。

量子蚁群算法求解多任务联盟问题

针对蚁群算法在求解多任务联盟问题(multi-task coalition problem,MTCP)时存在的求解精度不高、迭代次数多的不足,利用量子计算的并行性,提出了一种求解多任务联盟问题的量子蚁群算法.首先,利用量子叠加态给出了基于Agent的量子编码,使1个Agent能占据空间中的2个位置;其次,为使旋转角获得合适的大小和方向,提出了一种基于信息素的自适应修正旋转角调整策略;最后,通过对量子编码进行观测,给出了基于量子态的蚂蚁寻优策略.实验结果表明,与已有的算法相比,该算法不仅能获得更高质量的解,而且收敛速度也有显著的提高.

一种基于相位比较的量子遗传算法

针对量子遗传算法不适于连续函数优化的问题,提出了一种改进的量子遗传算法。该算法直接将量子染色体与当前最优解相比较来确定旋转门的旋转角,种群中各个体以不同速率向最优解进化以同时实现全局搜索与局部搜索,引入变异操作以防止算法早熟收敛。对该算法及其全局收敛性进行了分析后,将其用于函数极值求解与PID控制器的参数优化,并与遗传算法和量子遗传算法进行比较。仿真结果表明该算法具有较好的寻优性能。

基于矩阵编码的量子可逆逻辑电路进化设计方法

本文研究基于遗传算法的量子可逆逻辑电路综合技术,能实现可逆逻辑电路功能、量子门数、垃圾位数和量子代价的多目标优化设计.建立了量子可逆逻辑电路综合数学模型,采用了量子可逆逻辑电路矩阵编码方案,设计了量子可逆逻辑电路进化操作算子,给出了量子可逆逻辑电路多目标进化设计算法.以8位量子可逆乘法器为设计实例,实验结果证明了所提出的量子可逆逻辑电路多目标进化设计方法是正确有效的.

量子免疫算法在电网故障诊断中的应用

针对电网故障模型中原有故障目标函数存在多解的问题,综合考虑了重合闸、不同保护以及主后备保护之间的相互关系对目标函数的影响,建立了新的目标函数。同时,针对遗传算法所需种群多,收敛速度慢等缺点,提出了一种基于量子免疫算法的故障诊断方法。该算法采用量子比特编码染色体,利用克隆算子和量子门来引导变异,使得当前最优个体的信息能够很容易扩大到下一代,具有种群规模小,收敛速度快,全局寻优能力强的特点。实验表明,改进的模型是合理的,量子免疫算法综合性能优于传统的遗传算法,说明该算法是可行的。