-
题名量子衍生差分进化算法的设计与实现
被引量：4
- 1
-
-
作者
刘显德
李盼池
杨淑云
潘俊辉
肖红
曹茂俊
-
机构
东北石油大学计算机与信息技术学院
东北石油大学学生工作处
-
出处
《信号处理》
CSCD
北大核心
2014年第6期623-633,共11页
-
基金
黑龙江省教育厅科学技术研究项目(12541059)
-
文摘
为提高差分进化算法的优化性能,从研究差分进化算法的实现机制入手,提出将差分策略与量子比特在Bloch球面的绕轴旋转相融合的新思想。个体采用基于Bloch球面描述的量子比特编码,采用差分策略计算当前个体上量子比特的旋转角度,采用向量积理论构造旋转轴,采用泡利矩阵构造旋转矩阵,以当前最优个体上相应量子比特为目标,在Bloch球面上沿旋转轴向目标比特旋转。采用Hadamard门实现个体变异。函数极小值优化的仿真结果表明,所提方法单步迭代的平均时间约为普通差分进化算法的13倍。当限定步数相同时,优化结果约为普通差分进化算法的0.3倍,当运行时间相同时,优化结果约为普通差分进化算法的0.4倍。从而表明所提算法计算效率降低,但寻优能力明显提高,整体优化性能优于原算法。
-
关键词
量子计算
量子比特编码
Bloch球面搜索
量子差分进化
-
Keywords
quantum computation
quantum bit encoding
Bloch spherical search
quantum differential evolution
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名量子衍生神经网络的设计与实现
- 2
-
-
作者
杨淑云
李盼池
-
机构
东北石油大学学生工作处
东北石油大学计算机与信息技术学院
-
出处
《信号处理》
CSCD
北大核心
2014年第4期374-383,共10页
-
基金
国家自然科学基金(61170132)
-
文摘
当使用神经网络解决问题时,得到的结果与神经网络的逼近能力有很大关系。如何提高神经网络的逼近能力目前还没有较为理想的解决方法。本文提出了一种利用多位量子受控非门来构造神经网络模型的新方法。该模型为三层结构,隐层为量子神经元,输出层为普通神经元。量子神经元由量子旋转门和多位受控非门组成,利用多位受控非门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用多位受控非门的受控关系获得量子神经元的输出。基于量子计算原理设计了该模型的L-M学习算法。该模型可从宽度和深度两方面获取输入序列的特征。纸牌预测的实验结果表明,当输入节点数和序列长度比较接近时,该模型对训练集的识别率比普通神经网络有大约8%的提高,从而揭示了量子计算机制对提高网络逼近能力的有效性。
-
关键词
量子计算
量子旋转门
多位受控非门
量子神经元
量子神经网络
-
Keywords
quantum computation
quantum rotation gate
multi-qubits controlled-not gate
quantum neuron
quantum neural networks
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
