摘要：基于免疫克隆选择理论和遗传量子算法,提出了一种解决CDMA系统多用户检测问题的克隆遗传量子算法.通过使用克隆选择算子和遗传量子算法的理论,新算法能执行随机搜索和经验学习.所提的算法把随机神经网络嵌入到克隆遗传量子算法的每一代中.通过结合随机神经网络到CGQA中,可以加快CGQA的收敛速度、减少计算复杂度.另外,CGQA所提供的好的初值可以改善SHNN的性能,嵌入的SHNN还提高了CGQA的性能.在讨论了使用新算法设计多用户检测器的性能特点后,在CDMA系统进行了计算机仿真并和一些多用户检测器进行了比较.仿真结果证明了文中所提多用户检测器的抗多址干扰能力和抗远近效应能力都优于一些应用以前算法的多用户检测器.

摘要：采用改进遗传量子算法(IGQA)进行FIR数字滤波器的优化设计,将滤波器的过渡带样本值作为变量进行优化,解决了传统方法(查表法)不能保证数据最优的问题。针对遗传量子算法(GQA)在优化连续多峰函数时易出现早熟的问题,提出一种改进遗传量子算法(IGQA),典型函数测试表明,IGQA的性能优于GQA和其它几种遗传算法,收敛速度快,全局寻优能力强,能有效地克服早熟现象。采用IGQA优化设计的FIR数字低通和带通滤波器的性能较查表法得到了很大改善。

摘要：针对遗传量子算法 (GQA)在优化连续多峰函数时易出现早熟现象 ,本文提出一种改进的遗传量子算法 (IGQA) ,其核心是在对量子门更新过程进行改进的基础上 ,引入群体灾变和自适应搜索网格的策略。通过典型函数测试和FIR数字滤波器设计实例表明 ,IGQA的性能优于GQA和其它几种遗传算法 ,具有比GQA更快的收敛速度和更好的全局寻优能力 ,能有效地克服早熟现象。

摘要：几何约束求解技术是基于约束满足的参数化设计方法中最核心的技术。几何约束求解技术的好坏、性能的优劣直接关系到一个基于约束的参数化设计系统是否优良。遗传量子算法是将量子计算和遗传算法相结合的算法,采用量子位染色体的表示形式。该算法具有量子计算的量子位和量子位的迭加特性,同时加入了量子交换算法,使得进化染色体更好的呈现多样特性。实验表明,将该算法应用于几何约束求解方程中,可以解决欠约束和过约束一致的问题。

摘要：有限脉冲响应(FIR)和无限脉冲响应(IIR)数字滤波器的设计实质可看作是多参数优化问题。为实现高效的数字滤波器,首先将滤波器的设计转化为滤波器参数的约束优化问题,然后提出文化量子(CQ)算法在参数空间进行并行搜索以获得滤波器设计的最优参数值。提出的文化量子算法结合文化原理,在量子种群空间更新中使用了量子旋转门的知识进化机制,是一种可用于实数解优化的快速多维搜索算法。计算机仿真实验表明在对FIR和IIR数字滤波器设计时,文化量子算法的收敛速度和性能都优于粒子群,量子粒子群以及自适应量子粒子群优化等算法,证明了该方法的有效性和优越性。