基于量子计算技术的智能算法的研究与应用
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-12页 |
| ·主要研究内容 | 第12页 |
| ·创新点和组织结构 | 第12-14页 |
| 第二章 量子计算原理 | 第14-28页 |
| ·量子位 | 第14-15页 |
| ·量子门 | 第15-19页 |
| ·量子寄存器 | 第19-20页 |
| ·量子计算的特性 | 第20-22页 |
| ·量子态叠加 | 第20-21页 |
| ·状态的相干 | 第21页 |
| ·状态的纠缠 | 第21-22页 |
| ·量子并行性 | 第22页 |
| ·量子优化算法的几种模型 | 第22-27页 |
| ·量子搜索算法 | 第22-23页 |
| ·基于量子染色体的进化算法 | 第23页 |
| ·量子人工神经网络 | 第23-24页 |
| ·量子退火算法 | 第24-25页 |
| ·量子聚类算法 | 第25页 |
| ·量子小波与小波包算法 | 第25-26页 |
| ·量子模式识别算法 | 第26页 |
| ·量子微粒群算法 | 第26-27页 |
| ·本章 小结 | 第27-28页 |
| 第三章 智能算法的研究 | 第28-44页 |
| ·群体智能 | 第28页 |
| ·微粒群算法简介 | 第28-32页 |
| ·微粒群算法原理 | 第28-29页 |
| ·微粒群算法数学描述 | 第29-30页 |
| ·微粒群算法流程 | 第30-31页 |
| ·微粒群算法的发展 | 第31-32页 |
| ·蚁群算法简介 | 第32-36页 |
| ·蚁群算法原理 | 第32页 |
| ·基本蚁群算法模型 | 第32-34页 |
| ·基本蚁群算法流程 | 第34页 |
| ·蚁群算法的特点 | 第34-35页 |
| ·蚁群算法的改进 | 第35-36页 |
| ·蚁群神经网络在中小企业信用评价中的应用 | 第36-44页 |
| ·前馈神经网络 | 第37-38页 |
| ·ACA 算法与BP 结合学习算法 | 第38-39页 |
| ·蚁群神经网络在中小企业信用评价中的应用 | 第39-44页 |
| 第四章 量子蚁群算法研究及应用 | 第44-54页 |
| ·量子蚁群算法设计 | 第44-47页 |
| ·量子优化算法 | 第44-45页 |
| ·信息素的更新 | 第45-46页 |
| ·状态转移规则 | 第46-47页 |
| ·量子蚁群算法流程 | 第47-48页 |
| ·实验及结果分析 | 第48-50页 |
| ·量子蚁群算法在CTSP 中的应用 | 第50-53页 |
| ·本章 小结 | 第53-54页 |
| 第五章 量子微粒群算法的改进 | 第54-61页 |
| ·量子微粒群算法 | 第54-57页 |
| ·量子微粒群算法原理 | 第54-55页 |
| ·量子微粒群算法流程 | 第55-57页 |
| ·改进的量子微粒群算法 | 第57-58页 |
| ·算法设计思想 | 第57页 |
| ·算法实现流程 | 第57-58页 |
| ·仿真实验 | 第58-60页 |
| ·本章 小结 | 第60-61页 |
| 第六章 结束语 | 第61-63页 |
| ·本文的工作 | 第61页 |
| ·进一步的研究方向 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68页 |
