复指数Fourier神经元网络隐神经元衍生算法

以平方可积空间上的复指数Fourier级数作为激励函数构造了新型Fourier神经元网络,并推导出采用加号逆表示的网络权值直接确定公式,克服了传统BP神经网络收敛速度慢、易陷于局部极小点、迭代学习易发生振荡等缺陷。并在此基础上构造了隐神经元衍生算法,克服了传统BP神经网络难以确定最优网络拓扑结构的缺点。理论分析及仿真实验表明,该复指数Fourier神经元网络能够一步计算网络最优权值且能自适应调整网络结构,对随机加性噪声具有抑制作用,并能高精度逼近非连续函数。

高离散P2P会议模型带权基因衍生算法

根据P2P嵌入式可视电话应用环境,分析基于高离散地址P2P可视电话的会议模型,针对分布式会议模型要解决的应用层组播问题,给出综合了带宽约束、路径时延、处理代价的适应性评价函数,提出以FMPH算法、SPH算法为起点,带度约束的优秀基因多衍生策略的组播算法,仿真实验证明该算法结果性能稳定,收敛性较好,为基于P2P的分布式可视会议模型提供了一种优化组播路由方案,但会议节点的接入带宽及路径时延动态变化问题有待进一步研究改善。

基于Chebyshev神经网络的衍生算法

根据辨识对象 ,神经网络的输入层和输出层神经元的个数易于确定 ,而隐层数和隐层神经元个数难以确定 .借助于生物的生长发育知识 ,在正交基函数神经网络的基础上提出衍生算法 ,该算法的基本思想是 :先选取较少个数的隐层神经元作为初始发育细胞 ,训练K次后 ,如果目标函数J不再变化且大于给定的ε ,则网络自动衍生 ,以上过程反复进行 ,直至J小于等于ε ,则停止衍生和训练 .仿真实验表明 ,该算法在训练过程中改善了收敛速度 ,并自动调整网络的拓扑结构 ,解决了隐含神经元个数难以确定的问题且具有优良的逼进任意非线性特性的能力 .图 2 ,表 2 ,参 7.

基于弹簧粒子模型的大规模WSN定位算法的衍生算法

为了提高基于弹簧粒子模型的大规模无线传感器网络定位算法(LASPM定位算法)的鲁棒性,将对LASPM基本定位算法进行优化及改进,并提出一系列的改进衍生算法。针对弱节点将设计简单的迭代定位方法,提出了3个补丁算法,分别用于处理局部极值、剔除坏节点和处理节点动态变化等问题。仿真实验结果表明,新算法的节点计算复杂度、通信复杂度在网络规模增大时仍然保持常量,节点计算步数不随网络规模变化而变化,时间复杂度也保持常量。实验研究结果表明,本文的定位算法具有良好的鲁棒性。

控制输入跟踪算法和测试衍生算法

以组合电路的满足性测试生成算法为基础 ,提出了控制输入跟踪算法和测试衍生算法。控制输入跟踪算法从源输出开始 ,根据一定的指导策略 ,向源输入搜索 ,在搜索过程中生成一条临界路径 ,该路径中全部的故障可以用满足临界条件的输入向量来测试。测试衍生则利用一个测试的信息 ,通过临界路径变换衍生一系列新的测试。这两种算法嵌入测试生成的满足性算法中 ,大大减少了故障 ,压缩了CNF的构成时间和搜索空间。

基于量子衍生算法的8-puzzle问题分析

阐述了量子编码形式的多样性,概述了8-puzzle启发式搜索问题的量子衍生算法与计算策略。通过设置扩展深度界限,运用量子计数器和酉变换操作进行8-puzzle问题的量子计算,比较了量子衍生算法与经典算法,对启发式智能搜索在量子计算机上的实现方式作了进一步的讨论。

基于量子衍生涡流算法和T⁃S模糊推理模型的储层岩性识别

鉴于梯度下降法易陷入局部极值、普通群智能优化算法易早熟收敛,提出一种基于量子衍生涡流算法(Quantum Vortex Search Algorithm,QVSA)和T⁃S模糊推理模型的岩性识别方法,QVSA具有操作简单、收敛速度快、寻优能力强等优点,有助于T⁃S模糊推理模型获得最优参数配置,从而实现储层岩性的准确识别。首先利用具有全局搜索能力的QVSA优化T⁃S模糊推理模型的各种参数;然后利用主成分分析方法降低获取的地震属性维度;再利用优化的T⁃S模糊推理模型识别储层岩性。实验结果表明,利用反映储层特征的8个地震属性识别储层岩性时,所提方法的识别正确率达到92%,比普通BP网络方法高5.1%,同时查准率、查全率、F1分数等指标也较BP网络方法提升明显。

基于自适应机制的多宇宙并行量子衍生进化算法

进化参量的选取对量子衍生进化算法(QEA)的优化性能有极大的影响,传统QEA在选择进化参量时并未考虑种群中个体间的差异,种群中所有个体采用相同的进化参量完成更新,导致算法在解决组合优化问题中存在收敛速度慢、容易陷入局部最优解等问题。针对这一问题,采用自适应机制调整QEA的旋转角步长和量子变异概率,算法中任意一代的任一个体的进化参量均由该个体自身适应度确定,从而保证尽可能多的进化个体能够朝着最优解方向不断靠近。此外,由于自适应量子进化算法需要评估个体的适应度,导致运算时间较长,针对这一问题则采用多宇宙机制将算法分布于多个宇宙中并行实现,从而提高算法的执行效率。通过搜索多峰函数最优解和求解背包问题测试算法性能,结果表明,与传统QEA相比,所提出算法在收敛速度、搜索全局最优解及执行速度方面具有较好的表现。

多宇宙并行量子衍生遗传算法研究

将量子的多宇宙特性和遗传算法相结合,提出了多宇宙并行量子衍生遗传算法。算法中将种群分成若干个独立的子群体,称为宇宙。给出了不同宇宙数量下的并行拓朴结构,提出了宇宙内采用量子旋转门演化和量子变异,宇宙间采用移民和量子交叉的两种信息交互方式,能有效克服早熟收敛现象,使得搜索效率和搜索能力得到更进一步提高。典型函数优化实验验证了该文所提算法的有效性。

用VB实现电脑画尺及其衍生图形算法

介绍用VB实现电脑画尺的算法及程序。

一种解决网络编码资源优化问题的自适应量子衍生进化算法

在构建一棵满足可达组播速率的组播树过程中,尽可能地减少网络编码操作次数能降低网络的整体代价。针对网络编码组播中的编码资源优化问题提出一种基于汉明距离的自适应量子衍生进化算法。该算法充分考虑到种群个体间的差异性,为每个个体自适应地分配一个适合于自身进化的角步长,通过这种动态的角步长旋转机制进行种群的更新。将所提算法与基本量子衍生进化算法和基于适应度的自适应量子衍生进化算法进行比较分析,通过对不同的拓扑仿真进行性能评估。结果表明,基于汉明距离的自适应量子衍生进化算法在收敛速度、全局优化效果等方面均明显优于其他算法。

量子衍生坍缩形态学滤波

为了更有效地滤除数字图像中的噪声,受量子信息处理理论启发,将传统的形态学运算结构元素扩展到叠加态结构元素以更有利于图像的去噪。由于叠加态结构元素只有尺度范围,没有固定的大小和形状,因此可表示为该尺度范围内的各种不同大小和形状的传统结构元素的线性叠加,并在受到测量时可坍缩到其中的某一传统结构元素。该文首先定义了一个基于叠加态结构元素的坍缩形态学算子,然后在此基础上构建了一种基于均方差的自适应形态滤波方法。计算机仿真实验表明,该滤波方法与中值滤波和传统的形态滤波方法相比较,有更强的噪声滤除能力,并且对噪声的强度不敏感。

三维锥形束CT成像FDK重建算法发展综述

在各种三维锥束重建算法中,近似算法由于数学形式上简单,实现起来容易,而且在锥角比较小的情况下,能够取得较好的重建效果,所以在实际中有着广泛的应用。在各种基于滤波反投影的近似算法中,FDK类型的算法一直是实际应用中的主流。鉴于FDK方法巨大的实用价值,本文对它的历史和目前的发展,包括标准FDK、推广到任意轨道的G-FDK、以及着眼于提高重建速度或重建精度的其它FDK衍生算法等作了一个回顾和总结,并对实际应用中FDK存在的问题作了进一步的讨论分析,最后对FDK算法理论的发展进行了展望。

基于Chebyshev神经网络的图像复原算法

退化图像的点扩散函数难以准确确定,为此,提出一种基于Chebyshev正交基函数的前向神经网络图像复原算法。该算法以一组Chebyshev正交基为隐层神经元的激励函数,采用BP算法对权值进行修正,达到收敛目标。给出2类Chebyshev神经网络的实现步骤及其相应衍生算法的图像恢复实现步骤。实验结果表明,该算法能较好地实现图像复原。

基于Fourier神经网络的图像复原算法

由于退化图像的点扩散函数难以准确确定,提出一种基于Fourier正交基函数的前向神经网络图像复原模型,该模型以一组Fourier正交基为隐层神经元的激励函数,根据误差传递算法进行权值修正,达到收敛目标。给出Fourier神经网络及其相应的衍生算法的图像恢复实现步骤。实验表明,该方法能较好地实现图像的复原。

基于自寻优和交叉寻优的量子优化算法

为提高群智能优化算法的搜索能力,提出了一种量子优化算法。该算法基于量子位Bloch坐标,将种群分为最优个体和普通个体两部分并进行不同处理,对于最优个体,通过使所有量子比特在Bloch球面上绕着坐标轴多次旋转,生成多个新个体,并采用贪婪搜索策略选择最优个体;对于普通个体,将当前个体的量子比特向着随机交叉确定的目标位置旋转,生成新个体,并在当前个体和新个体之间通过贪婪选择以实现当前个体的交叉寻优。函数极值优化的仿真结果表明,所提算法在优化能力上,优于简单量子遗传算法、普通遗传算法和人工鱼群算法,从而验证了算法的有效性。该算法在高维能很好地避免陷入局部最优值,具有快速收敛性和良好的全局搜索能力,实验结果揭示出采用量子计算设计优化算法进而提升搜索能力的研究思路是可行的。

电力系统中量子信息学的应用现状及展望

量子信息学在信息获取、传输和处理等方面具有独特优势,在保障新型电力系统信息安全和纾解算力困境等方面潜力巨大。从量子通信和量子计算2个方面,总结了电力系统应用背景下的量子信息学研究现状,并对未来可能的研究方向进行了展望。首先,介绍了量子信息学的基本概念和原理。然后,针对量子通信,分析了典型量子通信技术在新型电力系统中的适用性,并从远距离信息传输、多主体通信、统一标准化和专用研发平台4个方面了梳理电力系统中量子通信的研究现状;针对量子计算,从线性代数运算、优化问题求解、机器学习和参数估计等方面阐述归纳了量子算法的基本原理及其在电力系统中的研究现状。最后,面向新型电力系统中量子信息学的应用前景进行了展望,并提出了电力系统中量子信息学的发展建议。

道路网络容量的多端最大流算法

道路网络作为无向网络,其容量分析必须考虑其起始点和终止点的随机开放特性.采用图论的多端最大流算法和衍生割集算法,研究了道路网络容量的计算方法.分析结果表明,新方法能提高计算效率,它不仅适应大规模道路网络复杂性,而且适应路网起、终点开放的特性.

基于量子理论的图像中值滤波

在传统图像中值滤波算法中,固定排序窗和无条件中值运算会影响算法的降噪能力。为此,提出一种改进的图像中值滤波算法。借鉴量子理论提出数字图像的伪量子化表示形式,应用量子哈达玛变换引入自适应机制,使排序窗口的大小和形状能根据其移动位置的图像局部特征自适应地变化,并引入有条件中值运算保留图像细节。仿真结果表明,与传统中值滤波和递归中值滤波算法相比,该算法在保留图像细节的同时,具有更强的降噪能力,且噪声强度对滤波效果的影响较小。

基于量化正交交叉的量子衍生布谷鸟搜索算法

为提高布谷鸟搜索算法的优化能力,从研究布谷鸟算法的实现机制入手,提出一种量子衍生布谷鸟搜索算法.算法中的鸟窝位置采用双链结构的量子比特编码,引入量化正交交叉策略,通过子空间分割完成初始种群的解空间均匀分布.根据莱维飞行随机走动控制量子旋转门幅角大小,对发现个体和量子Pauli-Z门变异个体实施量化正交交叉操作,在正交区域中实施局部精细搜索.函数极值优化的仿真结果表明,与标准布谷鸟算法相比,所提算法的寻优能力有明显提高,从而验证了算法的有效性.最后实际应用到泥页岩多矿物组分反演问题中,反演精度提高6个百分点.