摘要：在研究连续平衡网络设计的网络双层规划模型的算法中,很多求解思路是在下层用户平衡配流模型用GP算法或Frank-Wolfe算法等,在上层模型求解算法用遗传算法、模拟退火算法、粒子群算法等,而文中的上下层模型都是用量子进化算法去求解的。文中通过一个实例对算法进行验证,并与其他算法进行比较,结果表明量子进化算法性能优于遗传算法。

摘要：排课既是高校教学管理中一项重要而复杂的工作,又是一个多目标约束组合优化问题,为此使用量子进化算法来求解高校排课问题。首先研究了量子进化算法的关键技术,然后根据量子进化算法求解优化问题的思路设计了高校排课算法。通过实验表明,本文方法能够根据开课任务自动完成排课过程,排课的成功率和效率都比较好。

摘要：目前量子进化算法主要应用于单目标优化问题.本文结合量子进化算法和经典多目标优化算法中常用的非支配排序技术,提出一种解决多目标优化问题的多目标优化量子进化算法(Multi-objective Optimization Quantum Evolutionary Algorithm,MOQEA),并将其应用于PID控制器参数整定.经过实验证明,无论是解的质量还是解的分布均匀性,MOQEA都优于经典多目标优化算法NSGA-II.

摘要：配电网的开关配置对系统的供电可靠性具有重要影响,因而对配电网的开关配置进行优化设计,使系统在满足一定可靠性指标的前提下开关总投资成本和维护成本最小很有意义。文中研究了配网开关的优化规划问题,建立了计及可靠性和经济性的开关优化规划模型,以配电网开关投资成本和维护成本最小作为优化目标,采用平均供电有效度(ASAI)作为可靠性指标。为了提高规划计算的速度,提出了一种自动开关分区段的快速求取可靠性指标方法。介绍了量子进化算法(Quantumevolutionalgorithm,简称QEA),该算法相比传统的进化算法具有更加丰富的种群,能保持优良的多样性和全局寻优能力,文章结合配网的特点,提出了基于QEA的开关优化规划求解算法。在某一系统中进行了测试,表明文中提出的方法是可行的和有效的。

摘要：基于量子差分进化算法在解决组合优化问题时表现出的计算效率及优化性能方面的优势,提出应用量子差分进化算法求解车辆路径问题,将量子比特解码为表示顾客顺序的实数量子染色体,设计了基于量子比特概率幅的差分交叉和变异算子以保持种群多样性,构建了动态量子旋转门进行变领域搜索,提出应用贪婪准则进行量子更新选择,将设计的算法应用于典型车辆路径问题,求解结果表明算法具有较好的鲁棒性,与标准CVRP算例的对比结果表明笔者算法是求解中、小型规模算例的一个有效算法。

摘要：针对阻塞流水车间调度问题(BFSP),提出了一种新颖的量子差分进化(NQDE)算法,用于最小化最大完工时间。该算法将量子进化算法(QEA)与差分进化(DE)相结合,设计一种新颖的量子旋转机制控制种群进化方向,增强种群多样性;采用高效的基于变邻域搜索的量子进化算法(QEA-VNS)协同进化策略增强算法的全局搜索能力,进一步提高解的质量。基于Taillard's benchmark实例仿真,结果表明,所提算法在最优解数量上明显高于目前较好的启发式算法——INEH,改进了110个实例中64个实例的当前最优解;在性能上也优于目前有效的元启发式算法——新型蛙跳算法(NMSFLA)和混合量子差分进化(HQDE),产生最优解的平均百分比偏差(ARPD)均下降约6%。NQDE算法适合大规模阻塞流水车间调度问题。

摘要：为增强量子进化算法的局部优化能力,结合禁忌搜索思想,提出一种具有逆学习机制的量子自适应禁忌搜索算法.算法采用一种量子自适应邻域映射机制,且禁忌表的禁忌长度可随量子态动态调整,这些策略较好的解决了集中性和多样性搜索的矛盾.另外,算法增加了一种能使个体尽快摆脱劣势区域的逆学习量子更新模式.设计的算法能较好的平衡全局和局部搜索,能有效避免量子过快陷入局部极值.通过实验表明提出的算法具有更好的局部搜索能力.

摘要：基于物流对节能减排的重大影响及第三方物流的广泛应用,本文建立了与配送中心规模、配送路径相关的低碳开放选址-路径(OLRP)问题模型,并设计量子进化算法(QEA)进行求解.算法采用先确定车辆及其顾客集,再选择配送中心的策略,并运用局部优化算子进行解的改善.通过目标值与CPU的综合分析,确定重要参数旋转角变化值△θ,最大迭代次数itermax,种群Popsize的取值范围,并应用Barreto、Prins及Tuzun案例进行实验验证,结果显示碳排放目标的OLRP一定程度上会增大成本,量子进化算法在Barreto案例中的解均值优于LB、CPLEX及SA算法,在Prins案例中的求解效果与CPLEX相近,在Tuzun案例中绝大多数问题的求解结果优于CPLEX,在小规模问题中,优于SA算法,因此QEA是求解OLRP问题的一种有效算法.

摘要：本文针对当前网络入侵检测系统在识别新型入侵行为时存在误警率和漏警率偏高的弊端,将新型优化技术和机器学习技术引入网络入侵检测,设计了一种具有智能性的网络入侵检测模型,实验模拟表明,本文设计的模型是有效的,并且对新型网络攻击行为的识别能力比较好,为开发新型的网络入侵检测系统提供了设计思路。

摘要：合理的配送中心选址及路径优化有助于降低物流碳排放,本文针对物流配送过程面临的不确定交通网络现实,研究不确定道路网络对选址—路径问题碳排放的影响,提出应用概率函数及交通因子表示路径不确定的随机性及不确定程度,将其转化为速度函数,结合第三方物流配送的特点,建立了基于速度及车辆类型的动态低碳开放式选址—路径模型,并设计了量子进化算法与局部搜索算法相结合的智能优化算法进行求解。为了分析路网对碳排放的影响,采用随机及确定性概率交通状况进行仿真实验对比,结果表明,当路网不确定发生概率随机时,其成本增加量高于0.1确定性概率,但低于0.5、0.9确定性概率;交通不确定对碳排放量的影响程度高于成本;随着交通不确定固定概率的增大,碳排量的增加与顾客数目的相关性呈下降趋势。通过与其他智能算法进行对比,表明本算法是求解该问题的一种有效算法。