多比特概率幅编码的量子衍生粒子群优化算法

为了提高粒子群算法的优化能力,提出一种新的量子衍生粒子群优化算法.该方法采用多比特量子系统的基态概率幅对粒子编码,基于自身最优粒子和全局最优粒子确定旋转角度,采用基于张量积构造的多比特量子旋转门实施粒子的更新.在每步迭代中,只需更新粒子的一个量子比特相位,即可更新该粒子上的所有概率幅.标准函数极值优化的实验结果表明,所提出算法的单步迭代时间较长,但优化能力较同类算法有大幅度提高.

基于改进QPS0算法的阵列天线方向图综合

针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在基于量子位概率幅编码的量子粒子群优化算法(QPSO)的基础上,设计一种进行收敛停滞检测,并对粒子选择性变异的新量子粒子群算法,然后将其应用于阵列天线方向图综合.仿真结果表明,在多零点和低旁瓣约束情况下新算法均可以取得良好的优化效果,而且该算法相对于近邻粒子群算法(NPSO)和免疫克隆选择算法(ICSA)来说,在方向图综合中精度更高,速度更快,具有很好的推广能力.

量子进化算法在生产调度中的应用综述

量子进化算法是量子计算和进化计算相融合的产物,具有种群多样性好、全局搜索能力强、收敛速度快等优点。综述了量子进化算法在Job-Shop调度、Flow-Shop调度、车辆路径规划、项目调度等生产调度领域中的应用现状,讨论了面向生产调度的量子进化算法的编码转换方式和进化策略以及存在的问题,并指明了其进一步的研究方向。

基于改进量子遗传算法的配电网无功优化研究及应用

提出一种基于改进量子遗传算法的配电网无功优化方法。采用量子比特概率幅对控制变量进行编码,提出交换个体局部最优目标值的量子交叉方式和互换量子个体α和β值的量子变异方式,丰富了种群多样性,缩短了运算周期,提高了算法计算效率与全局寻优能力。规范、简洁地给出配电网无功优化数学模型,详细阐明基于IQGA的无功优化方法。分别采用遗传算法、量子进化算法和文中方法对某城区局部中压配电网中选定节点系统进行仿真计算,验证了该方法的有效性和优越性。

量子遗传算法优化BP网络的焦炭质量模型

为使焦炭预测精度提高,减少不必要的能源损耗,提出基于量子遗传算法优化BP网络的焦炭质量预测模型。在算法中应用量子位概率幅、量子旋转门、量子非门对种群中的染色体进行编码、相位更新、变异的操作。仿真结果表明,该模型相较于传统的BP网络模型预测精度更高,同时大大提升了效率与可靠性。

基于QPSO算法的信号子空间拟合DOA估计

针对信号子空间拟合DOA估计过程中由于需要进行多维非线性搜索而计算量巨大的问题,提出了一种基于量子位概率幅编码的量子粒子群优化(QPSO)算法的信号子空间拟合测向方法,即在子空间测向中,QPSO算法采用量子位对粒子当前位置进行编码,用量子旋转门实现对粒子最优位置的搜索,用量子非门实现粒子位置的变异以避免早熟.通过典型实际应用,结果表明采用这样新的DOA估计方法是切实可行的,而且精度高、运行速度快、稳定性好,具有很好的推广能力.