量子人工鱼群算法

融合量子计算与智能优化的新型高效优化算法层出不穷,成为现在优化算法研究的主流.为此,将量子计算引入到人工鱼群算法中,提出一种新型的量子进化算法———量子人工鱼群算法.该算法用量子计算的方法重新描述了人工鱼的行为,用量子比特对人工鱼进行编码,用量子旋转门实现人工鱼的更新操作,用量子非门进行人工鱼变异,从而实现了目标的优化求解.并分别以函数极值和TSP问题为例进行了仿真,验证了算法的有效性.

基于改进量子旋转门人工鱼群算法的K-means聚类算法及其应用

为改进传统K-means聚类算法中存在因随机选择初始质心而导致聚类结果不稳定且准确度低的缺点,提出基于改进量子旋转门人工鱼群算法的K-means聚类(IQAFSA)算法,通过动态更新量子旋转门的旋转角提高下一代更新方向准确度及更新速度。变异策略从传统的非门改为H门,既增加种群的多样性,又使全局搜索能力增强;最终使用所改进算法选取K-means的初始质心再进行聚类。通过UCI数据的测试以及在医学相关数据上的实验表明,提出的算法具有有效性,准确度较高且收敛速度较快。

量子人工鱼群优化的随机共振微弱信号检测

针对传统随机共振方法微弱信号检测精度低、速度慢的问题,将量子人工鱼群算法应用到随机共振方法中,提出一种量子人工鱼群算法的随机共振微弱信号检测方法.方法以随机共振系统参数为研究对象,将随机共振问题转化为多参数同步寻优问题,实现微弱信号的增强.分别在Langevin与Duffing系统中仿真,表明所提方法高效可行.同一输入条件下,Duffing随机共振微弱信号检测性能优于Langevin系统.加入控制频率,将Duffing随机共振应用到多频大信号的检测,扩展了随机共振的应用范围.