导读:本文包含了混合量子算法论文开题报告文献综述及选题提纲参考文献，主要关键词:量子粒子群优化算法,收缩—扩张系数,差分策略,Levy飞行策略
混合量子算法论文文献综述
赵国新,陈志炼,魏战红[1]（2019）在《混合自适应量子粒子群优化算法》一文中研究指出为解决量子粒子群优化算法在迭代后期出现的种群多样性低导致的早熟收敛、陷入局部最优的问题,提出叁点改进:(1)将收缩—扩张系数与适应度值联系起来,收缩—扩张系数会随着粒子的适应度值的改变而自适应调整;(2)使用差分策略更新粒子的随机位置,使得粒子向种群最优位置靠近;(3)粒子位置的更新加入Levy飞行策略,利用Levy飞行策略的偶尔长距离的跳跃,使得种群多样性增加,提高了跳出局部最优的能力,综合以上叁点,提出一种混合自适应量子粒子群优化算法(HAQPSO).通过对比各个算法在6个典型函数的仿真测试结果表明:HAQPSO具有更好的全局收敛能力,且收敛精度、速度和稳定性都有明显的提升.(本文来源于《微电子学与计算机》期刊2019年07期）
杨玥,白士宇,殷雪峰[2]（2019）在《基于越库配送车辆调度的混合量子遗传算法(QGA)研究》一文中研究指出量子遗传算法(QGA)是将经典的量子理论应用到遗传算法当中,将量子态引入传统比特模型中,一种新型的求解最优问题的算法;越库配送车辆调度是一类经典的组合优化问题,基于量子遗传算法,针对提高物流配送过程中要求的快速和高效的问题,研究了一种混合量子遗传算法的框架,提出了解决传统物流调度中的配送优化方案的新思路,研究了新的量子更新和概率调整的策略,使该方法更加贴合物流配送的实际问题,实验结果显示,采用混合量子遗传算法后的性能明显优于传统的量子遗传算法,取得了更高的最佳适应度,具有良好的应用前景。(本文来源于《计算机测量与控制》期刊2019年04期）
马春辉,杨杰,程琳,李婷,李雅琦[3]（2019）在《基于量子遗传算法与多输出混合核相关向量机的堆石坝材料参数自适应反演研究》一文中研究指出为进一步提高堆石坝材料参数反演模型的计算精度与适用性,建立了基于量子遗传算法(QGA)与多输出混合核相关向量机(MMRVM)的自适应反演模型。通过引入混合核函数,使所构建的MMRVM能够高精度地模拟材料参数与大坝沉降间的复杂非线性关系,从而代替耗时较长的有限元(FEM)计算。通过利用参数较固化的QGA优化确定MMRVM核参数,使反演模型具有自适应性。以实测沉降数据为依据,充分发挥QGA的全局搜索能力反演筑坝材料本构模型参数。在分析模型所需测点个数与信噪比对计算结果影响的基础上,通过公伯峡堆石坝应用实例证明:QGA-MMRVM可快速、精确地反演堆石坝筑坝材料本构模型参数,模型凭借其自适应性在实际工程中具有良好的应用前景和推广价值。(本文来源于《岩土力学》期刊2019年06期）
蔡啸[4]（2018）在《农产品物流配送干扰管理问题的混合量子粒子群算法研究》一文中研究指出农产品行业由于供需不平衡的问题,经常出现产品滞销或价格暴涨的问题。概率销售这种新型销售模式通过在网上给顾客提供同质化的农产品包裹可以有效缓解供需不平衡带来的问题。同时,结合概率销售特点的物流配送以及配送过程中的干扰管理也是一种新的物流配送情景。本文的主要研究工作如下:(1)构建带时间窗车辆路径问题模型与提出求解算法。借鉴以往对于车辆路径问题的研究,构建带时间窗、有容量约束的车辆路径问题的数学模型,以标准粒子群算法为基础,引入交叉算子与遗传算子,提出混合量子粒子群算法作为求解模型的主要算法,同时与经典文献中的标准粒子群算法、禁忌搜素算法、遗传算法、局部搜索算法等智能算法的求解结果作比较并评价算法的优劣性。(2)物流配送系统同时发生两种干扰事件时建立多阶段多目标的干扰管理模型并求解。本文将干扰事件扩展到时间窗变化与客户位置变化两个事件同时发生,先根据干扰事件判断初始方案是否可行,当不可行时建立多阶段多目标的干扰模型。考虑系统中客户、运营商与配送员多个主体,第一阶段以交货完成率为目标函数,第二阶段以路径长度、使用车辆数、增路段个数为目标函数,并兼顾优先配送高优先级客户的目标,最终利用混合量子粒子群算法求得调整方案。(3)引入概率销售并利用实验对其抗干扰能力进行量化分析。为了弥补传统销售的不足,本文引入概率销售模式。这种销售模式的特点是为顾客提供同质化的农产品包裹,因此当发生干扰事件时可以采用路线间调度策略。通过比较传统模式与概率销售模式的调整方案,发现概率销售面对干扰事件的优势。本文将原本用于连续问题的粒子群算法进行改进,同时引入交叉算子与变异算子,提出混合量子粒子群算法,有效提高算法的收敛性与全局搜索能力。在初始方案的基础上运用干扰管理的思想,考虑多个干扰事件同时发生的情形,构建多目标多阶段的干扰管理模型,丰富了物流配送系统的实际场景,为车辆实时调度与路径决策提供理论支持。(本文来源于《东北财经大学》期刊2018-11-01）
王皓,艾芊[5]（2018）在《基于改进量子粒子群算法的含DG交直流混合系统电压质量控制策略》一文中研究指出提出一种含多种分布式电源的交直流混合配电系统的电压质量控制策略,通过多种无功补偿装置、分布式电源、换流站及储能装置的协调优化控制,降低系统叁相电压不平衡和电压偏差,优化电压质量。采用量子粒子群算法求解该复杂优化问题,并提出多样性改进策略,以提高算法求解效率和全局搜索能力。通过41节点交直流混合配电网算例系统分析验证所提模型与方法的有效性。(本文来源于《电器与能效管理技术》期刊2018年15期）
闫旭,叶春明[6]（2018）在《混合随机量子鲸鱼优化算法求解TSP问题》一文中研究指出为克服基本鲸鱼优化算法(WOA)解决TSP问题时收敛精度低、容易陷入局部最优的缺陷,本文借鉴量子计算思想提出了四种算法改进方案,并进行了基于TSP标准测试实例的仿真实验及与文献中其他算法的对比分析.研究发现,在解决TSP问题时混合随机量子鲸鱼优化算法(HSQWOA)收敛精度更高、全局搜索能力更强,能够跳出局部最优,具有更加优越的性能.(本文来源于《微电子学与计算机》期刊2018年08期）
夏燕,冯仲恺,牛文静,覃晖,蒋志强[7]（2018）在《基于混合量子粒子群算法的梯级水电站群调度》一文中研究指出针对标准量子粒子群(QPSO)算法在求解复杂梯级水电站群联合调度问题时存在的早熟收敛、停滞寻优等不足,提出了一种耦合两重改进策略优势的混合量子粒子群(HQPSO)算法:首先对个体极值按照一定的概率进行变异搜索操作,以增加个体多样性、强化种群全局开采能力;而后建立外部档案集合来存储进化过程中的部分精英个体,利用基于动态概率辨识机制的单纯形算子指导外部档案集中的个体开展邻域寻优,以提高算法搜索能力、避免陷入局部最优。乌江流域实践结果表明:HQPSO算法的收敛速度与全局搜索能力得到增强,有效克服了QPSO的缺陷与不足,具有一定的工程实际应用价值。(本文来源于《水力发电学报》期刊2018年11期）
金利英,赵升吨[8]（2018）在《混合测量子空间聚类算法的研究》一文中研究指出针对闵可夫斯基子空间聚类算法对特征权重分配的问题,提出了一种混合测量子空间聚类算法(iMWK-HD),以实现调节特征权重因子和提高算法性能的目的。利用闵可夫斯基距离与余弦相结合的混合测量来分配特征权重,构造新的目标函数;在聚类迭代过程中,采用智能K-means进行初始化来解决选择正确类数的问题;根据新的目标函数,使用拉格朗日乘子法求解新的隶属度和特征权重更新公式,使类中心更加稳定,从而促进特征空间转换,获取数据集最优聚类结果。采用UCI数据集设计了对比实验,实验结果表明,iMWK-HD算法优于iK-means、iWK-means、iMWK-means这3个现有的聚类算法,所提算法能有效提升聚类精确度和聚类结果的稳定性。(本文来源于《西安交通大学学报》期刊2018年03期）
郑丹阳[9]（2017）在《基于混合量子算法的动态车辆调度问题研究》一文中研究指出随着电子商务业的蓬勃发展,物流成为当今社会不可或缺的产业与利益源泉。但是当今社会物流配送系统的配送还没有达到利益最大化、时间最小化的目标。为了解决这一问题,物流配送系统中的车辆调度问题成为学术界的研究热点。虽然学术界对物流配送车辆调度问题的研究各不相同,但是其宗旨都是在更接近现实配送的模型基础上达到最大经济利益、最小成本、最小化时间、最高客户评价口碑。物流配送系统中的车辆调度问题属于NP难问题,常被使用的算法为传统启发式算法。但是启发式算法也存在着一定的局限,如收敛速度慢、易陷入局部最优、全局搜索能力差、精确度低等缺陷。且随着车辆调度数学模型的复杂化,传统的启发式算法更加难以得到理想的优化结果。本文主要针对不同类型的动态车辆调度问题,对混合量子算法进行设计改进,并分别采用所设计的算法进行仿真实验和对比实验来验证算法在解决特定问题时的有效性和优越性,主要工作如下:首先,提出动态车辆调度的数学模型。将量子计算与遗传算法相结合形成量子遗传算法。设计了根据适应度值转换的自适应量子旋转门,并加入了两元素局部搜索来来提高算法的局部搜索能力。有加入了变异操作来提高算法的搜索深度,最后通过仿真实验表明所提出算法与其他算法相比较的优越性,以及所加入的自适应量子旋转门、变异操作和两元素局部搜索的有效性。其次,在动态车辆调度模型的基础上加入了多配送中心。同时将蚁群算法与量子计算相结合形成量子蚁群算法,并用自适应量子旋转门代替常规的量子旋转门。在算法中加入局部搜索操作提高算法的局部搜索能力。最后通过实验表明所提出算法在求解特定问题时与其他算法相比较的优越性,以及所加入的自适应量子旋转门、两元素局部搜索的有效性。最后,在多车场动态车辆调度问题模型中加入多车型因素。同时因车辆调度问题的复杂化,在自适应量子蚁群算法中加入信息素矩阵变异操作来提高算法的搜索深度。最后通过实验表明所提出算法在求解特定问题时与其他算法相比较的优越性,以及所加入的信息素变异操作的有效性。本文通过对混合量子算法和动态车辆调度问题的研究,总结了混合量子算法的特点,为后续车辆调度问题的研究工作建立了基础。(本文来源于《昆明理工大学》期刊2017-04-01）
范玉森[10]（2016）在《基于混合量子进化算法的变电站规划优化方法》一文中研究指出随着我国工业经济得快速发展,用电量的增加,使得变电站建设的数量越来越多,进而使变电站的选址及分布存在一些问题,不能使变电站发挥其最大的供电作用,所以现在提出了一些基于混合量子进化算法的变电站规划方法,以提高变电站的工作效率。(本文来源于《电子制作》期刊2016年21期）
混合量子算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
量子遗传算法(QGA)是将经典的量子理论应用到遗传算法当中,将量子态引入传统比特模型中,一种新型的求解最优问题的算法;越库配送车辆调度是一类经典的组合优化问题,基于量子遗传算法,针对提高物流配送过程中要求的快速和高效的问题,研究了一种混合量子遗传算法的框架,提出了解决传统物流调度中的配送优化方案的新思路,研究了新的量子更新和概率调整的策略,使该方法更加贴合物流配送的实际问题,实验结果显示,采用混合量子遗传算法后的性能明显优于传统的量子遗传算法,取得了更高的最佳适应度,具有良好的应用前景。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合量子算法论文参考文献
[1].赵国新,陈志炼,魏战红.混合自适应量子粒子群优化算法[J].微电子学与计算机.2019
[2].杨玥,白士宇,殷雪峰.基于越库配送车辆调度的混合量子遗传算法(QGA)研究[J].计算机测量与控制.2019
[3].马春辉,杨杰,程琳,李婷,李雅琦.基于量子遗传算法与多输出混合核相关向量机的堆石坝材料参数自适应反演研究[J].岩土力学.2019
[4].蔡啸.农产品物流配送干扰管理问题的混合量子粒子群算法研究[D].东北财经大学.2018
[5].王皓,艾芊.基于改进量子粒子群算法的含DG交直流混合系统电压质量控制策略[J].电器与能效管理技术.2018
[6].闫旭,叶春明.混合随机量子鲸鱼优化算法求解TSP问题[J].微电子学与计算机.2018
[7].夏燕,冯仲恺,牛文静,覃晖,蒋志强.基于混合量子粒子群算法的梯级水电站群调度[J].水力发电学报.2018
[8].金利英,赵升吨.混合测量子空间聚类算法的研究[J].西安交通大学学报.2018
[9].郑丹阳.基于混合量子算法的动态车辆调度问题研究[D].昆明理工大学.2017
[10].范玉森.基于混合量子进化算法的变电站规划优化方法[J].电子制作.2016