摘要：突发事件下公共场所人员的应急疏散问题是目前国内外研究的热点,其中高铁站应急情境下的人员疏散及路径优化也随着高铁的快速发展逐渐引起了人们的重视。本文考虑拥挤度会对疏散人员心理行为及疏散效率产生影响,以高铁站人员应急疏散过程中的拥挤度与总疏散时间为目标,建立了高铁站应急疏散路径多目标优化数学模型,设计了一种改进的自适应量子蚁群算法进行求解,并与常规算法求解结果做了对比分析。通过算例进行模拟实验,结果表明,所提出的模型较好地兼顾了疏散路径的安全性与时效性,且设计的算法具有良好的全局性和收敛性,有助于进一步完善我国高速铁路客运运作管理体系。

摘要：随着片上网络的兴起和发展,针对带宽和时延约束下实现低功耗成为其设计的焦点之一。为此,提出一种基于量子蚁群映射算法的方法来解决片上网络设计中使IP核映射的通信功耗最小化问题。该算法改变蚁群算法中信息素的释放方式,采用量子优化算法中的量子概率幅代替,信息素的更新则通过使用量子相位旋转的方式,实现蚂蚁信息素的自适应更新,用于有效地降低蚁群算法容易早熟收敛的情况。通过实验对比研究,该算法在快速搜索和全局寻优能力上,均优于蚁群算法。

摘要：将量子群进化算法(QEA)与蚁群系统(ACS)进行融合,提出一种新的量子蚁群算法(QACA)。该算法的核心是在蚁群系统(ACS)中引入量子算法中的量子的态矢量和量子旋转门来分别表示和更新信息素。该算法在全局寻优能力和种群多样性方面比蚁群算法有所改进,并结合TSP,对算法进行了测试,得到了与现有文献结果相同或更好的解,表明该算法是求解TSP的一种有效的算法。

摘要：为了快速求解在带宽、延迟等约束下的最小代价组播路由树,并避免求解过程陷于局部最优,对量子蚁群算法进行了改进。改进算法采用量子旋转门对信息素进行更新,提出了一种动态调整旋转角的策略,并从理论上对其进行了证明。在求解服务质量组播路由时,将该策略融入蚁群算法中,提高了求解精确度。实验结果表明,该算法在服务质量组播路由优化中是高效的,性能优于蚁群算法和量子进化算法。

摘要：当前安全性已经成为制约无线传感网发展的瓶颈,设计有效无线传感网可信节点的安全路由是很有必要和迫切的。蚁群算法的自组织性与无线传感网的自组织组网极其相似,蚁群算法可应用于无线传感网路由设计,但传统蚁群算法存在局部最优解和收敛速度慢等问题,难以适应大规模无线传感网需求,量子计算的全局寻优和快速收敛特点可以很好地解决此类问题。将量子蚁群算法应用于大规模无线传感网路由设计,考虑到无线传感网节点间缺乏信任机制,采用可信网络思想,以节点可信度作为信息素分配策略,然后用量子位编码表示信息素,通过量子旋转门更新信息素,综合能量消耗预测进行路径选择,实现基于全局能量均衡的无线传感网可信安全路由算法。分析表明,该量子蚁群计算用于设计路由在算法收敛速度以及全局寻优方面均优于传统蚁群算法,能够全局平衡网络节点的能量消耗,避免一些关键节点的过早死亡导致网络分隔成很多孤岛;可有效抵抗Wormholes攻击等无线传感网特有的能量黑洞攻击,并有助于构造可信网络环境。

摘要：针对传统量子蚁群算法在求解TSP时容易陷入局部最优以及收敛速度较慢,提出了一种求解旅行商问题的改进型量子蚁群算法(IQACA)。该算法设计了一种新信息素挥发因子的自适应动态更新策略,对信息素进行动态更新;并采用一种新的量子旋转门对量子概率幅值的收敛趋势进行改变。通过三个基本函数极值优化仿真与传统量子蚁群算法进行对比,证明算法性能较优。基于TSPLIB的仿真实验与其他几种算法进行比较,结果表明,算法具有较快的收敛速度,提高了解的全局性,有效避免了算法陷入局部最优。

摘要：针对带约束服务质量多播路由在带宽、延迟等方面的需求,提出一种基于量子蚁群算法的多播路由优化方法。该方法结合量子计算和蚁群算法的特性,采用量子比特的概率幅表示蚂蚁当前位置信息,设计一种动态调整旋转角策略对蚂蚁信息素进行更新,使蚂蚁能够快速寻找到满足约束的可行路径,并避免陷入局部最优。仿真实验结果表明,该算法在寻优能力和收敛速度上表现较好。

摘要：针对蚁群算法求解旅行商问题时易陷入局部最优和收敛速度慢的问题,提出一种新的求解旅行商问题的混合量子蚁群算法。该算法采用量子比特的概率幅对各路径上的信息素进行编码,采用量子旋转门及蚂蚁走过的路径对信息素进行更新,设计一种新的变换邻域准则。基于TSPLIB的仿真实验结果表明了该算法具有较快的收敛速度和求解精度。

摘要：针对智能优化算法在处理配电网故障定位问题时存在后期收敛速度慢、成功率低的缺点,提出基于量子计算与蚁群算法相结合的量子蚁群算法进行配电网故障定位。首先,鉴于馈线终端单元(feeder terminal unit,FTU)上传信息会发生畸变与缺失的情况,提出计及FTU漏报误报信息的分级定位数学模型;其次,介绍量子蚁群算法的基本原理及应用方案;最后,在MATLAB上进行仿真,验证量子蚁群算法及计及FTU漏报误报信息的分级定位数学模型的有效性。

摘要：将量子进化算法与蚁群算法思想相融合,提出一种求解机器人联盟问题的量子蚁群算法。为了避免搜索陷入局部最优,采用多种群并行搜索及量子交叉策略,以改善种群信息结构;算法中还设计了一种新的信息素表示方式。仿真实验结果表明,该算法具有较快的收敛速度和全局寻优能力。