基于量子算法的电力系统潮流计算

潮流计算是各种电力系统计算的核心基础.求解节点导纳矩阵和节点阻抗矩阵是电力系统潮流计算中非常重要的一步.当电力系统规模非常大时,使用经典算法来求解需要大量计算.为了解决这一计算难题,将量子计算引入到传统的电力系统分析计算中,通过对节点电压方程的转化及矩阵分块等一系列操作,利用HHL算法和量子迭代算法求解节点电压矩阵方程,然后得到节点导纳矩阵和节点阻抗矩阵.与已有的经典方法相比,量子算法使电力系统潮流计算的复杂度达到了指数级别的降低.     

基于量子测量的量子计算模型综述

基于测量的单向量子计算是重要的通用量子计算模型,可以模拟一般量子计算任务。单向量子计算基于量子簇态作为计算资源,利用每个量子位的局部量子测量和经典通信执行一般量子计算。单向量子计算是与量子线路模型等价的量子计算模型。近年来,研究者们对单向量子计算的量子资源、纠缠度量、局部操作简化,以及量子通信等给出一系列研究成果,并基于光学平台开展了一些量子模拟实验。量子簇态与单向量子计算为一般量子计算提供非常好的量子任务处理方式,受到研究者们的广泛关注。该文主要总结基于测量的单向量子计算模型,包括重要的量子资源态、局部信息处理方式,以及与单向量子计算相关的研究;该文对单向量子计算存在的问题和前沿研究方法进行展望,为研究者提供借鉴。     

DDC数字控制的两种算法

微机DDC控制核心的部分就是算法问题,本文介绍了两种在目前应用最广泛的算法,较详细的讨论了它们的数学模型与计算公式。     

量子计算中的一个重要定理和算法

利用组合计数理论、数列和级数知识,采用构造证明的方法研究了量子计数中多色球非空分法数问题,得到了多色球非空分法数问题的两个计数公式,并得到了一个组合恒等式。     

基于金刚石体系的固态量子计算

量子计算科学是近年来物理学领域最活跃的研究前沿之一,其开拓了与经典方式具有本质区别的全新的信息处理模式.量子计算研究的根本目标是建造基于量子力学基本原理的量子信息处理技术,能在许多复杂计算问题上大大超越经典计算性能的新型计算模式.量子计算需要一个良好的量子体系作为载体.基于自旋的量子体系由于其实用的可操作性,成为量子计算载体的优秀候选.自旋的所有量子性质表现在自旋的叠加态、自旋之间的纠缠和对自旋的量子测量上.基于系综的量子计算演示实验已经被多次实现,但是系综体系在可扩展性上有其原理上的缺陷.要实现可扩展的大规模室温固态量子信息处理和量子计算的突破,实现单量子态的寻址和读出是一个最重要的前提.在已经提出的单自旋固态量子计算载体中,比较突出的一类是基于金刚石中的氮-空位色心单电子自旋体系.金刚石中的氮-空位色心单电子自旋量子态可以在室温下初始化、操控与读出,成为室温量子计算机载体的优良候选者.我们首先回顾金刚石氮-空位色心单电子自旋体系作为量子计算机载体的重要进展;然后讨论了该体系在纳米尺度灵敏探测和成像方面的重要应用;最后,描述了此领域的前景.     

基于改进量子进化算法的图像水印算法

针对经典量子进化算法及其在图像水印算法中的应用有嵌入容量较小等问题,提出了一种基于改进量子进化算法的图像水印算法,对经典量子进化算法作了两方面的改进,一是将表示量子染色体的量子比特概率幅修改为量子角,并在此基础上对量子旋转门旋转策略作了相应的修改;二是子群优化,每个子群相对独立地执行量子进化算法.实验结果表明:改进后的算法不但简化了量子染色体的表达,还依靠子群优化达到了算法并行性优化的目的,嵌入点的选择与嵌入策略也使得算法有较大的嵌入容量,该算法产生的含水印图像有较高的视觉质量且鲁棒性好.     

量子计算与量子信息

本书是关于量子计算和量子信息的全面系统的引论性论著。由于该学科发展迅速并且与多种学科交叉，因而初学者有一些困难。本书给出这个新兴学科的基本结果的技术，并包含了所有需要的背景材料和预备知识，特别是详尽地描述了快速量子算法、量子远程传输、量子密码及量子纠错等的非凡的效能，向人们显示了计算和通讯的物理极限究竟有多远。因此本书2000年初版后颇获学界（包括Fields奖得主M．Freedman等权威人士）的好评，并在其后多次重印。     

基于量子行为的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢的不足,提出一种具有量子行为的花朵授粉算法.该算法通过引入量子系统的态叠加特性,用波函数描述种群个体的位置,利用势肼场使种群个体以一定的概率密度在可行空间任何区域进行搜索,并且利用种群的平均最优位置使种群间存在等待效应,提高种群的协同工作能力,从而使算法能有效地避免陷入局部最优,增强全局寻优能力,提高收敛速度.通过8个CEC2005benchmark测试函数进行测试比较和3个数值积分的求解,并对结果进行分析,仿真结果表明,改进算法的全局寻优能力明显优于基本的花朵授粉算法、差分进化算法和蝙蝠算法等,其收敛精度、收敛速度和鲁棒性均比对比算法有较大提高.     

基于Grover算法的量子多用户检测

经典的多用户检测技术，其求解最优解的时间复杂度为0(2n)，这是一个NP难解问题．在Pauli算子的基础上建立量子多用户信道模型，给出利用Grover算法的多用户检测解决方法．该算法的时间复杂度为O(√2n)，并且当2n足够大时，其错误的概率趋近于0．     

基于量子进化算法的批量生产问题

在现代制造业的供应链中,生产批量计划(Lot-sizing)问题是企业经济效益最大化的关键因素之一,其主要研究在给定批量产品的需求下,确定最佳的生产方案,使得制造成本、库存成本和调整成本的总和最小化或者利润最大化。近年来的群智算法如遗传算法和粒子群算法等为解决复杂的Lot-sizing问题提供了新途径,但是这些算法易陷入局部最优。为了获得全局,将量子算法融入经典进化遗传算法中,首先,运用量子理论中独特的概率幅和量子比特对计划产量的决策变量进行编码;然后在迭代过程中,通过动态调整量子旋转角度来控制基因的变异速度,保持最优个体的基因信息,以免陷入局部最优的陷阱。Lot-sizing问题的案例实证表明,与上述常见的群智粒子群算法相比,量子进化算法的求解精度更高、收敛速度更快,可以有效解决复杂多约束的Lot-sizing问题,提高企业的生产效率。     

绝热量子计算

着重从物理学和计算机科学角度阐述和分析绝热量子计算:首先介绍绝热量子计算的基本原理及其计算能力,然后通过绝热量子计算与传统量子计算的性质和物理实现方式的对比阐述前者的某些优势,在此基础上介绍绝热量子算法,最后探讨了绝热量子计算的前景及发展趋势。     

量子计算与量子信息理论

量子信息理论是一新兴的跨学科领域，它与信息理论和计算机科学这两门学科的基础有着很深的根源。量子信息理论使我们对信息本质的理解有了新的认识，自从20世纪80年代出现开始，就在以惊人的速度发展，虽然现在已经趋于成熟，但是仍然没有一本综合的专著，本书即填补了这一空白。本书展现了该领域的研究现状，由各个方面的一流专家撰写，广泛综述了量子信息理论的基础、设计与实验。     

基于回归的人脸检测加速算法

为了提高视频中人脸检测的检测速度,采用回归分析方法预测连续视频中人脸中心位置坐标,并通过调整区域宽度系数确定人脸区域位置,从而提出一种人脸检测加速算法。该算法的主体框架采用VJ(Viola-Joines)结构,在人脸检测过程中,通过聚合通道特征和弱级联分类建立多尺度精细采样图像特征金字塔,并利用回归分析方法进行人脸中心位置坐标拟合,再采用粗粒度预测方法降低算法时间复杂度,最后通过优化人脸区域位置系数提高人脸检测准确率。在此基础上,又通过目标预测、跟踪算法进行人脸检测的二次加速。实验结果表明,该算法有效减少了视频人脸检测遍历区域,提高了人脸检测的检测速度,缩短了提取视频人脸特征区域的时间,更加适合视频人脸检测的实时性应用。     

量子计算与量子电路仿真技术

采用量子计算研究中最具代表性的电路模型模拟量子计算过程,实现Deutsch算法和量子Fourier变换的演算,构建了量子信息与计算的仿真平台雏形.实验平台采用量子寄存器结构作为存储媒介,在空间上优于矩阵形式,运算过程采用位操作避免了大量乘法运算的时间,实验结果可直接被其他重要量子算法所引用.采用新型结构减少了时间和空间耗费,运算过程更加简单直观,为平台的进一步完善提供了基础.     

量子计算的实验

量子计算是当前有着多方面重要应用的科学技术，本书分别由有关专家学者对量子计算的许多重要方面进行了介绍和论述，是当前这方面的既新又重要的学术著作。     

基于惯性动力系统的加速梯度算法

加速梯度算法是指在仅使用一阶梯度信息的前提下,比传统的梯度下降法有更快收敛速率的算法.针对二阶惯性动力系统,采用三种离散格式:辛格式、显式Euler及隐式Euler,分别对系统进行离散化,得到了三种不同的优化算法,通过构造了合适的Lyapunov函数,证明了由辛格式和隐式Euler得到的优化算法是加速梯度算法.     

基于量子退火算法的配电网故障定位

由于分布式电源在配电网的高渗透给有源配电网的保护技术和策略带来了挑战,致使传统方法在故障诊断中稍显逊色。针对此现状本文提出基于量子隧穿效应的量子退火算法实现故障诊断,并通过对量子退火算法进行优化以改善其在复杂配电网故障诊断中有小概率陷入局部极小值的问题。首先拓展传统故障定位适应度函数为量子退火算法的评价函数;其次,提出混沌优化产生初始磁场强度和初始温度提高搜索效率,利用自适应公式计算扰动次数,并设计陷入局部最优时的扰动方法跳出当前最优可行解;接着构造具备升温特点的温度衰减函数,选择合适形式的磁场衰减函数;最后将改进的量子退火算法进行三种经典函数的测试,并分别应用于33节点单电源和33节点含分布式电源配电网两个故障场景中。模拟仿真表明,改进量子退火算法在故障定位问题中具备可行性,能够适应联络开关的开闭变化和多个含分布式电源的投切,表现出良好的定位准确率,容错性和全局寻优能力等。     

基于量子蚁群算法的虚拟现实碰撞检测方法

为了解决虚拟现实包围盒碰撞初级检测性能不高的问题,采用量子蚁群算法(QACA)来实现增强检测,以提高检测精度。根据虚拟现实中待检测对象的空间形状及紧密率选择合适的包围盒类别。运用交叉空间实现碰撞初级检测,并判定碰撞的物体是否处于无交叉空间。在初级检测的基础上对处于交叉空间的物体特征进行蚁群算法(ACA)增强检测,并构建满足交叉空间特征差异最小值的适应度函数。为了提高对象特征位置的精确性,对交叉空间对象位置采用量子比特化。最后,采用蚁群迭代优化获得特征差异距离最小值,将最小值与碰撞阈值对比,完成虚拟现实的碰撞增强检测。实验结果证明,合理设置ACA的启发系数和蒸发因子后,与其他3种算法对比,基于包围盒初级检测和量子蚁群增强检测的双重检测方法获得了更高的碰撞检测准确率,且稳定性较强。     

基于改进量子遗传算法的图像匹配算法研究

量子遗传算法是目前较成熟的全局优化算法,对于多目标的优化有独特的高效性和精确性。图像的匹配过程可以近似地看作在搜索目标函数图像相似性的最优解,而目标函数的变量则可用几何参数代替,因此对图像匹配算法的研究可以归结到量子遗传算法的全局寻优。然而,图像匹配中特征参数较多,维度较高,如果使用量子遗传算法(QGA)匹配,就会陷入局部寻优的状况,为了避免此现象的出现以及提高多维高峰环境下的匹配成功率,提出了改进的量子遗传算法,新算法在迭代中后期得到优秀解之时发挥作用,保留最优解,初始化其余个体。该方法一方面帮助算法跳出局部寻优,另一方面增加了群体多样性,进而提高了图像匹配的成功率以及效率。