摘要：为提高仿生机器鱼的工作可靠性,提出一种应用于仿生机器鱼的渐变可靠性稳健优化设计方法。以仿生虎鲸为研究对象,基于扑翼运动理论,利用Matlab得到了仿生虎鲸的动态载荷。基于可靠性灵敏度设计理论和稳健设计理论,构建了优化设计状态函数,得到了仿生虎鲸尾鳍推进系统对其渐变可靠性灵敏度的影响。利用改进量子进化算法进行优化设计,得到了尾鳍推进机构的最优解,结果表明,设计变量的灵敏度的绝对值均有降低,可靠度得到提高,结构更加稳健。将扑翼运动理论、可靠性灵敏度设计理论、可靠性稳健设计理论、性能退化理论和改进量子进化算法相结合,提出一种应用于仿生机器鱼的渐变可靠性稳健优化设计方法,为仿生机器鱼的可靠性分析与设计提供理论方法和数据支撑。

摘要：将量子进化算法应用到投资组合优化问题中,设计了一种具有限额约束的投资组合优化问题的量子进化算法.首先,考虑收益与风险的均衡性,提出了一种新的收益风险评判准则,并以该准则为目标优化投资配置;其次,改进了初始种群生成方式,给出了量子染色体的编码、解码技巧及自适应量子门旋转策略;设计检查修复算子将染色体简单解码得到的解修复为问题的可行解.实证分析检验了量子进化算法的可行性和有效性,结果显示,量子进化算法能够有效消除算法早熟问题;设置的风险水平越低,收益率增长越明显;收益率随着风险水平的上升而增大,最后逐渐趋于稳定;算法具有较好的稳定性和可靠性.

摘要：针对地下空区边界不规则并且可能包含多个遗留矿柱,如何布局合适的探测点以便三维激光探头能扫描空区内部全貌的工程难题,提出了在基于空区初步资料获得的水平特征截面图上预先布置待选探测点,设计探测点布局方案评价函数,采用量子进化算法进行探测点布局优化的方案.优化设计中,考虑了采空区边界的凸凹不规则性及内部包含多个边界不规则遗留矿柱,以及激光探测范围等因素,建立了通用优化模型,寻求探测点最少的技术及经济上的最优布局方案.实例运算及统计分析结果表明,和遗传算法相比,本文提出的量子进化算法优化模型可快速得出优化的探测点布局方案,保证三维激光探测法成功实施,为复杂空区三维激光探测提供科学决策依据.

摘要：提出了一种基于实数编码量子进化算法(RQEA)的宽角度极紫外(EUV)多层膜理论膜系的设计方法。采用基于实数编码的遗传算法(RGA)和RQEA对宽角度Mo/Si多层膜进行了理论设计和分析,发现RQEA具有种群规模小、搜索效率高和求解精度高的明显优势,体现出RQEA在光学薄膜设计领域的潜在应用价值。同时,设计出入射光波长为13.5nm、在入射角0°~18°范围内反射率可达50%的宽反射带Mo/Si多层膜。

摘要：针对多轮廓样片加工快进路径优化问题,提出一种改进的量子进化算法。算法设计了基于二维量子位概率幅矩阵模型的快进路径编码方法,实现了由该模型引导的全局搜索,能直接生成样片加工的顺序序列,解码效率高;利用多轮廓加工最优子结构的特征,设计了基于动态规划法的个体适应度评价方法;新的动态旋转角的量子更新策略增强了种群的全局搜索能力。通过标准算例仿真和算法对比实验结果,验证了所提算法的可行性和有效性。

摘要：多序列比对是计算分子生物学的经典问题,也是许多生物学研究的重要基础步骤.RNA作为生物大分子的一种,不同于蛋白质和DNA,其二级结构在进化过程中比初级序列更保守,因此要求在RNA序列比对中不仅要考虑序列信息,更要着重考虑二级结构信息.提出了一种基于量子进化算法的RNA多序列-结构比对程序,对RNA序列进行了量子编码,设计了考虑进结构信息的全交叉算子,提出了适合于进行RNA序列-结构比对的适应度函数,克服了传统进化算法收敛速度慢和早熟问题.在标准数据库上的测试,证实了方法的有效性.

摘要：提出一种基于正交试验设计的量子进化算法.通过正交试验设计方法找到最有效的优秀个体知识组合,利用基于正交试验因素分析的约束修补算子对知识组合进行修补,并将获得的知识组合作为量子群体的吸引子.同时,采用正交试验结果动态调节量子更新转角大小,使得量子更新更简洁且具有自适应学习能力.Rastrigin和Ackley函数优化和0-1背包组合优化实验表明:该算法缩短了量子寻找到最佳知识组合的时间,降低了计算成本,提高了算法精度.

摘要：为探索更高效的二维不规则多边形排样方法,提出一种改进的实数编码量子进化算法。设计了基于临界多边形的按照排样件最低形心位置进行布局的放置策略,并建立了以最大化材料利用率为优化目标的数学模型;设计了基于排样编号序列和旋转角索引序列的实数几率幅值编码方法及解生成方式,通过量子观测操作直接生成问题解,使其解码效率较高;算法通过自适应调节方式进行量子更新,采用启发式算法生成排样序列初始种群,以保证解在时间和质量上的可行性。通过基准算例仿真和算法对比实验,验证了所提算法的可行性和有效性。

摘要：针对置换流水车间调度问题的求解,改进了基本量子进化算法,设计了一种变参数量子进化算法,用以求解置换流水车间调度问题。使用量子位极角表示工件排序,缩短了染色体长度。在运算过程中改变变异率和局部寻优次数,以改善全局搜索和局部寻优性能、提高算法的全局最优性。运用变参数量子进化算法求解置换流水车间调度的Benchmark问题,数值实验表明,该算法具有良好的性能。

摘要：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.