量子計算智能技術(shù)及其應(yīng)用研究.pdf

1、量子計算由于其具有并行性、指數(shù)級存儲容量和指數(shù)加速等特征已成為當(dāng)今世界各國緊密跟蹤的前沿學(xué)科之一。將量子計算融入到計算智能技術(shù)中，形成量子計算智能技術(shù)，為計算智能的進(jìn)一步研究另辟蹊徑。為此，開展量子計算智能技術(shù)的研究具有重要的理論價值和應(yīng)用價值。 本論文主要解決傳統(tǒng)計算智能中的一些關(guān)鍵問題，如神經(jīng)計算模型的最優(yōu)化、粒子群進(jìn)化算法的全局收斂性等，重點研究量子計算智能中的關(guān)鍵技術(shù)以及其應(yīng)用，具體研究內(nèi)容和創(chuàng)新工作如下： （1

2、）量子神經(jīng)網(wǎng)絡(luò)（QNN）技術(shù)研究。 首先描述一種新型神經(jīng)元——量子神經(jīng)元模型，并分析討論該神經(jīng)元的邏輯運算功能及其非線性特性，進(jìn)一步闡明使用QNN 進(jìn)行信號處理具有比神經(jīng)網(wǎng)絡(luò)規(guī)模小、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)簡單等優(yōu)點。提出了量子LM 神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法，通過分類Iris 數(shù)據(jù)庫的仿真，結(jié)果表明其優(yōu)越于傳統(tǒng)LM 算法，分類效果顯著。 （2）量子進(jìn)化計算技術(shù)研究。 從理論上推導(dǎo)和分析量子粒子群優(yōu)化算法（QPSO），通過三種典型

3、函數(shù)優(yōu)化，驗證其全局收斂性，仿真表明其收斂速度快，種群多樣性好，能有效克服早熟現(xiàn)象，優(yōu)越于BPSO 算法和GA 算法。為克服QPSO 在處理離散數(shù)據(jù)方面的不足，提出了一種新的量子離散PSO 算法（QDPSO），并將其優(yōu)化機理應(yīng)用于CDMA 多用戶檢測的尋優(yōu)過程，設(shè)計出基于QDPSO 的多用戶檢測系統(tǒng)模型，仿真對比分析表明此模型在抗多址干擾和抗遠(yuǎn)近效應(yīng)方面具有很好的特性。 （3）基于QPSO 的LS-SVM 技術(shù)研究。 為