基于Bloch球面旋转的量子自组织网络聚类算法

为提高自组织网络的聚类能力,提出一种基于Bloch球面旋转的量子自组织网络聚类算法。通过使样本数据作为量子比特相位,将样本映射为Bloch球面上的量子比特,将竞争层权值映射为Bloch球面上随机分布的量子比特;通过计算样本和权值的球面距离最小值,确定获胜节点;通过使获胜节点及其邻域节点在Bloch球面上向着样本旋转来调整这些权值,直到算法收敛。该方法的明显优势在于有较高的聚类精度。以鸢尾属植物样本聚类为例,实验结果表明,提出的方法明显优于传统自组织网络、K-均值聚类等算法。

量子衍生蜂群算法的设计与实现

为提高人工蜂群算法的优化能力,提出一种量子衍生蜂群算法。在该算法中,蜂群采用基于Bloch球面描述的量子比特编码;采用量子比特在Bloch球面上的绕转旋转实现进化搜索;采用泡利矩阵获得量子比特的Bloch坐标;通过解空间变换获得优化问题的实际解。该方法的突出优点是能够同时调整量子比特的两个参数,并自动实现两个调整量的最佳匹配。函数极值优化及水淹层识别的实验结果表明,该方法的优化能力比普通蜂群算法确有明显提高。