导读:本文包含了量子进化算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,量子,薄膜,传感器,子群,子粒,模型。
量子进化算法论文文献综述
牟向伟,林英霞,刘佳晨,张琳[1]（2019）在《基于改进量子进化算法的末端配送任务动态分配模型》一文中研究指出大多数物流快递企业的配送业务末端会按照固定的配送服务区进行配送任务分配,无法针对变化频繁、分布不均的动态配送需求进行合理的配送资源设置,造成了各个末端配送节点工作负荷不均衡的现象,并进一步导致了配送调度管理混乱等问题。针对末端配送任务分配问题建立了一种考虑配送成本、资源利用率以及工作量配比差异的配送任务分配模型,对量子进化算法进行改进。对此问题求解,提出采用量子群稳定度作为算法退出判定条件,来避免算法的早退与无效迭代问题,并引入量子变异与淘汰机制,加强了算法对可行解的搜索能力。实验结果表明,与按配送区进行分配的方案相比,算法给出的方案有效缓解了配送任务分配不均的现象,同时也有效降低了总体配送成本。相关模型和算法可以根据动态的配送需求合理地分配各个末端网点的配送任务,有助于配送业务的下一步配送路径优化和科学调度。(本文来源于《科学技术与工程》期刊2019年31期）
刘振,郭恒光,李伟[2]（2019）在《协同量子智能体进化算法及其性能分析》一文中研究指出针对当前量子进化算法的特点和不足,提出了一种分层协同进化的量子智能体进化算法.将种群个体视为以量子编码的智能体,采取叁级进化方法,在子种群之间进行个体交流,子种群内部进行个体竞争操作,个体内部能够进行局部调整,使得进化操作能够作用在不同的小生境范围内,增强了进化的粒度.利用不动点定理对所提算法的收敛性进行分析,结果显示,算法能够收敛到最优值.对多个基准函数进行仿真对比分析,该算法具有更好的收敛精度.(本文来源于《北京邮电大学学报》期刊2019年02期）
高立兵,苏军德[3]（2018）在《基于量子蚁群进化算法的大规模无线传感器网络目标覆盖研究》一文中研究指出通过对量子蚁群进化算法进行深入研究分析,并对其进行了参数改进,在此技术上设计了基于量子蚁群进化算法的无线传感器网络目标覆盖模型,并对模型进行矿山井下仿真实验,结果表明随着无线传感器节点的增多,量子蚁群进化算法成功监测出的目标数增量显着。当无线传感器网络节点大于100时,与遗传算法和模拟退火法相比,量子蚁群进化算法成功监测的目标数要高出约7.12%和54.32%;在不同半径检测下,与传统遗传算法和模拟退火法相比,基于量子蚁群的无线传感器网络目标覆盖率分别提高了11%和22%。(本文来源于《自动化应用》期刊2018年10期）
王一名,张超,孙秀平,匡尚奇,杨海贵[4]（2018）在《基于云模型量子进化算法的薄膜微观结构表征》一文中研究指出掠入射X射线反射(GIXR)是光学薄膜表征的优选方法,但它需要建立相应的物理模型并采用一定的算法进行拟合求解。针对目前普遍使用的进化算法存在着种群规模大、收敛速度慢和拟合精度差的问题,本文将云模型与量子进化算法相结合,提出了一种基于云模型量子进化算法(CQEA)的薄膜微观结构表征方法,并将该算法应用于Si单层膜和周期极紫外Mo/Si多层膜的表征之中,并将其拟合结果与基于进化算法的拟合结果进行对比。分析表明,CQEA具有种群规模小、收敛速度快和拟合精度高的优势,同时给出的薄膜结构参数值精度更高。相关研究工作体现了CQEA应用于薄膜微观结构表征中的可行性与优越性,为基于GIXR的薄膜微观结构表征提供一种更优选的拟合求解方法。(本文来源于《长春理工大学学报(自然科学版)》期刊2018年04期）
刘振,刘文彪[5]（2018）在《融合蜂群行为的量子进化算法》一文中研究指出为提高量子进化算法的收敛精度和收敛速度,以人工蜂群算法为基本进化框架,提出一种融合蜂群行为的量子进化算法.将采用相位编码的量子进化种群划分为量子开采种群、量子跟随种群以及量子侦察种群,在每个种群内模拟蜜蜂觅食行为寻优,其中量子开采种群采用混沌扰动搜索,量子跟随种群采用柯西变异操作进化.同时对所有种群个体采用量子染色体的两步旋转更新方法,并进行自适应的动态变异操作.利用基准测试函数进行仿真,与相关方法对比分析可知,所提出的算法在大部分的函数上都表现出较好的性能,能有效提高全局收敛性能.(本文来源于《南京师范大学学报(工程技术版)》期刊2018年02期）
吴金文,王玉鹏,周海波[6]（2018）在《采用量子粒子群算法耦合差分进化算法优化BP神经网络的铣床热误差预测研究》一文中研究指出针对铣床主轴运行产生的热误差问题,采用改进BP神经网络预测模型,并对预测结果进行验证。融合量子粒子群算法和差分进化算法的各自优点,给出混合算法寻优操作流程。分析BP神经网络结构,给出改进BP神经网络优化流程图,构造铣床热误差适应度函数,采用混合算法优化BP神经网络预测模型。通过具体实例对铣床热误差进行实验验证,预测结果显示:BP神经网络预测偏差值较大,在Y轴、Z轴方向预测产生的偏差最大值分别为7.3μm和7.5μm,改进BP神经网络预测偏差值较小,在Y轴、Z轴方向预测产生的偏差最大值分别为2.8μm和2.9μm。同时,改进BP神经网络预测铣床热误差与实际偏差值波动较小。采用改进BP神经网络预测铣床热误差精度较高,可以提高主轴加工工件的精度。(本文来源于《制造技术与机床》期刊2018年06期）
周丹,吴春明[7]（2018）在《基于改进量子进化算法的特征选择》一文中研究指出特征选择作为一种数据预处理技术被广泛研究,由于其具有NP难度而一直无法找到有效的求解方法。鉴于目前在特征选择中应用较多的遗传算法存在进化机制上的局限,将量子进化算法应用于特征选择,提出了一种基于改进量子进化算法的特征选择算法。以增加种群多样性和提高寻优性能为目标改进了量子进化算法,以Fisher比和特征维度为特征子集的评价准则构造了适应度函数,按照量子进化算法求解优化问题的步骤设计了特征选择算法。使用UCI数据库中的数据集对叁种算法作对比验证,通过识别重要特征、提高学习算法性能、特征选择效率叁组实验,结果表明,该算法能够识别出重要特征,并随着数据集特征维度升高,特征选择的性能逐渐优于对比算法,到了高维数据集,特征选择效率明显优于对比算法。(本文来源于《计算机工程与应用》期刊2018年01期）
李冠群[8]（2017）在《试析改进量子进化算法在计算机网络路由选择中的应用》一文中研究指出文章主要分析了改进量子进化算法在计算机网络路由选择中的应用。这种算法在传统的量子进化算法中的基础上,针对旋转角进行了相应的调整,不仅加快了计算机的运行速度,还提高了计算机的寻优精度,根据传统的量子进化算法的空间所在的定位和相应的相位角和旋转角,进行了优化调整。文章研究的改进量子进化算法和以往的量子算法相比,计算机网络路由面临的收敛速度和寻优能力会更加强大。(本文来源于《九江学院学报(自然科学版)》期刊2017年04期）
雷华军,秦开宇[9]（2017）在《测试不可靠条件下基于量子进化算法的测试优化选择》一文中研究指出测试优化选择是复杂电子系统测试性设计中的一个重要问题.首先从测试容差的角度分析了测试发生漏检和虚警的原因,在此基础上建立了测试不可靠条件下一种新的测试选择模型,模型以测试代价、漏检代价和虚警代价之和最小为优化目标,以故障检测率和故障隔离率为约束条件;然后提出一种改进的量子进化算法对模型求解,该算法通过改进一种已有可靠测试选择算法而成,包括种群初始化、适应度计算和种群的进化策略.最后通过两个仿真实例验证了求解算法及模型的有效性和优越性.(本文来源于《电子学报》期刊2017年10期）
蒋行国,罗珍珍,李海鸥,欧少敏[10]（2017）在《基于免疫量子进化算法的惯性传感器信号重构》一文中研究指出针对惯性传感器信号的特点,提出一种基于免疫量子进化算法的正交匹配追踪重构方法。该方法以正交匹配追踪算法为核心,将免疫机制引入量子进化算法。首先,通过量子编码的迭加性构造抗体、免疫克隆操作实现种群扩张,以加速原子搜索进程,同时借助量子交叉操作避免算法陷入局部最优。然后,利用各次迭代选取的最佳匹配原子完成惯性传感器信号的重构,从而达到滤波的目的。仿真结果表明,在该算法下,静态信号的零漂值得到了改善,信噪比提高了10.48 dB,动态信号均方误差降低了28.551(″/s)。相同条件下,与现有重构算法相比,信号滤波效果提高的同时,重构时间均减少了4 s左右,最终实现了惯性传感器信号的实时性处理。(本文来源于《电子技术应用》期刊2017年10期）
量子进化算法论文开题报告
（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：
针对当前量子进化算法的特点和不足,提出了一种分层协同进化的量子智能体进化算法.将种群个体视为以量子编码的智能体,采取叁级进化方法,在子种群之间进行个体交流,子种群内部进行个体竞争操作,个体内部能够进行局部调整,使得进化操作能够作用在不同的小生境范围内,增强了进化的粒度.利用不动点定理对所提算法的收敛性进行分析,结果显示,算法能够收敛到最优值.对多个基准函数进行仿真对比分析,该算法具有更好的收敛精度.
（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。
量子进化算法论文参考文献
[1].牟向伟,林英霞,刘佳晨,张琳.基于改进量子进化算法的末端配送任务动态分配模型[J].科学技术与工程.2019
[2].刘振,郭恒光,李伟.协同量子智能体进化算法及其性能分析[J].北京邮电大学学报.2019
[3].高立兵,苏军德.基于量子蚁群进化算法的大规模无线传感器网络目标覆盖研究[J].自动化应用.2018
[4].王一名,张超,孙秀平,匡尚奇,杨海贵.基于云模型量子进化算法的薄膜微观结构表征[J].长春理工大学学报(自然科学版).2018
[5].刘振,刘文彪.融合蜂群行为的量子进化算法[J].南京师范大学学报(工程技术版).2018
[6].吴金文,王玉鹏,周海波.采用量子粒子群算法耦合差分进化算法优化BP神经网络的铣床热误差预测研究[J].制造技术与机床.2018
[7].周丹,吴春明.基于改进量子进化算法的特征选择[J].计算机工程与应用.2018
[8].李冠群.试析改进量子进化算法在计算机网络路由选择中的应用[J].九江学院学报(自然科学版).2017
[9].雷华军,秦开宇.测试不可靠条件下基于量子进化算法的测试优化选择[J].电子学报.2017
[10].蒋行国,罗珍珍,李海鸥,欧少敏.基于免疫量子进化算法的惯性传感器信号重构[J].电子技术应用.2017