|
|
|
量子计算及其在智能优化与控制中的应用 |
|
论文目录 |
|
摘要 | 第1-4页 | Abstract | 第4-14页 | 第1章 绪论 | 第14-27页 | ·量子计算及量子智能优化的研究背景 | 第14-15页 | ·量子计算及量子智能优化的研究意义 | 第15-16页 | ·量子智能优化的几种模型 | 第16-18页 | ·量子衍生进化算法 | 第16-17页 | ·量子人工神经网络 | 第17-18页 | ·量子模式识别算法 | 第18页 | ·国内外量子搜索及量子智能优化的研究现状 | 第18-24页 | ·量子搜索算法研究现状 | 第18-21页 | ·量子优化算法研究现状 | 第21-23页 | ·量子神经网络研究现状 | 第23-24页 | ·论文结构及主要研究内容 | 第24-27页 | 第2章 量子计算基础 | 第27-37页 | ·引言 | 第27页 | ·量子比特与量子门 | 第27-32页 | ·量子比特 | 第27-29页 | ·单比特量子门 | 第29-30页 | ·多比特量子门 | 第30-32页 | ·向量空间 | 第32-34页 | ·基与线性无关性 | 第32页 | ·线性算子与矩阵 | 第32-33页 | ·内积外积和张量积 | 第33-34页 | ·量子力学假设 | 第34-36页 | ·状态空间假设 | 第34页 | ·薛定谔方程假设 | 第34-35页 | ·量子测量假设 | 第35页 | ·复合系统假设 | 第35-36页 | ·本章小结 | 第36-37页 | 第3章 Grover 量子搜索算法的改进 | 第37-65页 | ·引言 | 第37页 | ·基本Grover 算法存在的问题 | 第37-39页 | ·基于π/ 2 相位匹配的Grover 算法 | 第39-42页 | ·改进的相位匹配条件 | 第39-41页 | ·改进后算法相位旋转的直观图示 | 第41页 | ·搜索实例 | 第41-42页 | ·基于自适应相位旋转的Grover 算法 | 第42-47页 | ·搜索引擎描述 | 第42-43页 | ·自适应旋转相位的确定 | 第43-45页 | ·搜索实例 | 第45-47页 | ·基于加权目标的Grover 算法 | 第47-53页 | ·目标量子叠加态的构造 | 第47页 | ·算法的迭代方程及成功概率 | 第47-50页 | ·加权Grover 算法与普通Grover 算法的关系 | 第50-51页 | ·算例分析 | 第51-53页 | ·基于自适应相位旋转的加权Grover 算法 | 第53-58页 | ·算法原理 | 第53-55页 | ·算例分析 | 第55-58页 | ·基于固定相位旋转的Grover 算法 | 第58-63页 | ·构造搜索引擎 | 第58-59页 | ·算法成功概率 | 第59-60页 | ·算法需要的迭代步数 | 第60页 | ·固定相位Grover 算法与其它算法的关系 | 第60-61页 | ·固定相位Grover 算法与其它算法的对比 | 第61-63页 | ·本章小结 | 第63-65页 | 第4章 量子衍生优化算法 | 第65-104页 | ·引言 | 第65页 | ·基于实数编码和目标函数梯度的双链量子遗传算法 | 第65-73页 | ·引言 | 第65-66页 | ·实数编码双链量子遗传算法基本原理 | 第66-70页 | ·仿真对比 | 第70-73页 | ·基于量子位Bloch 坐标的量子衍生进化算法 | 第73-87页 | ·引言 | 第73-74页 | ·BQEA 基本原理 | 第74-80页 | ·BQEA 的收敛性 | 第80-81页 | ·仿真对比 | 第81-87页 | ·求解连续空间优化问题的混沌量子免疫算法 | 第87-93页 | ·引言 | 第87页 | ·混沌免疫算法原理 | 第87-91页 | ·仿真对比 | 第91-93页 | ·求解连续空间优化问题的量子蚁群算法 | 第93-99页 | ·引言 | 第93-94页 | ·连续量子蚁群算法 | 第94-97页 | ·仿真对比 | 第97-99页 | ·求解连续空间优化问题的量子粒子群算法 | 第99-103页 | ·引言 | 第99页 | ·基本PSO 算法 | 第99-100页 | ·量子粒子群优化算法 | 第100-102页 | ·仿真对比 | 第102-103页 | ·本章小结 | 第103-104页 | 第5章 量子神经网络模型及算法 | 第104-135页 | ·引言 | 第104页 | ·基于通用量子门演化的量子BP 神经网络 | 第104-112页 | ·量子位和通用量子门 | 第105-106页 | ·量子BP 神经网络模型 | 第106-107页 | ·量子BP 神经网络学习算法 | 第107-108页 | ·量子BP 神经网络的连续性 | 第108-109页 | ·对比实验 | 第109-112页 | ·基于量子权值的量子神经网络 | 第112-121页 | ·网络模型 | 第112-114页 | ·学习算法 | 第114-116页 | ·对比实验 | 第116-117页 | ·在整定PID 参数中的应用 | 第117-121页 | ·基于量子门线路的量子神经网络 | 第121-128页 | ·量子门及线路表示 | 第121-123页 | ·量子门线路网络模型 | 第123页 | ·学习算法 | 第123-125页 | ·对比实验 | 第125-128页 | ·一种量子自组织特征映射网络模型及聚类算法 | 第128-134页 | ·量子自组织特征映射网络模型 | 第128-129页 | ·量子自组织特征映射网络聚类算法 | 第129-131页 | ·对比实验 | 第131-134页 | ·本章小结 | 第134-135页 | 第6章 基于量子遗传算法的模糊控制器参数优化 | 第135-161页 | ·引言 | 第135页 | ·解析描述控制规则的模糊控制器参数优化 | 第135-138页 | ·模糊控制规则的解析描述 | 第136页 | ·模糊控制器参数优化实验 | 第136-138页 | ·基于DCQGA 的正规模糊神经网络控制器设计 | 第138-142页 | ·NFNN 控制器的拓扑结构 | 第139-141页 | ·基于DCQGA 的NFNN 控制器参数优化设计 | 第141-142页 | ·单级倒立摆系统的NFNN 控制器设计实例 | 第142-160页 | ·单级倒立摆的数学模型 | 第142-144页 | ·倒立摆模糊控制系统 | 第144-146页 | ·模糊控制规则的确定 | 第146-147页 | ·基于DCQGA 的NFNN 控制器设计实例 | 第147-149页 | ·基于DCQGA 的NFNN 与其他控制器的性能对比 | 第149-160页 | ·本章小结 | 第160-161页 | 结论 | 第161-163页 | 参考文献 | 第163-174页 | 攻读博士学位期间发表的论文 | 第174-177页 | 致谢 | 第177-178页 | 个人简历 | 第178页 |
|
|
|
|
论文编号BS636554,这篇论文共178页 会员购买按0.35元/页下载,共需支付62.3元。 直接购买按0.5元/页下载,共需要支付89元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|