量子算法的设计研究及应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·引言 | 第9-10页 |
| ·量子算法的研究和应用 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 量子信息基础和量子算法 | 第12-19页 |
| ·量子比特 | 第12页 |
| ·量子门 | 第12-13页 |
| ·量子状态空间 | 第13-14页 |
| ·量子算法 | 第14-17页 |
| ·Grover 搜索算法 | 第14-16页 |
| ·量子进化算法 | 第16-17页 |
| ·量子粒子群算法 | 第17页 |
| ·量子算法在模式识别中的应用 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于最近匹配的量子模式搜索算法 | 第19-32页 |
| ·引言 | 第19页 |
| ·量子模式搜索模型 | 第19-21页 |
| ·基于最近匹配的量子模式搜索模型 | 第21-27页 |
| ·初始态的创建 | 第21-23页 |
| ·幺正操作 | 第23-24页 |
| ·算法描述 | 第24-25页 |
| ·算法分析 | 第25-27页 |
| ·实验数据分析 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第四章 新型量子多目标进化算法 BQMOEA | 第32-46页 |
| ·多目标进化算法基本概念 | 第32-34页 |
| ·新型多目标进化算法种群编码 | 第34-36页 |
| ·编码方案 | 第34-35页 |
| ·基于量子位 Bloch 球面坐标编码方案 | 第35-36页 |
| ·个体适应度法则 | 第36-38页 |
| ·快速非支配排序和排挤距离计算 | 第36-37页 |
| ·排挤距离计算机制 | 第37-38页 |
| ·量子种群进化和多样性控制 | 第38-40页 |
| ·截断策略 | 第40-41页 |
| ·算法实现和案例分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 新型量子多目标进化算法在多分类中的应用 | 第46-61页 |
| ·MSCC 学习框架 | 第46-50页 |
| ·传统分类学习和聚类学习 | 第46-47页 |
| ·MSCC 学习框架基础 | 第47-48页 |
| ·目标函数 | 第48-50页 |
| ·BQMOEA 优化 MSCC 框架实现 | 第50-54页 |
| ·实验数据分析 | 第54-60页 |
| ·聚类学习有效性测试 | 第54-56页 |
| ·分类学习有效性测试 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结 | 第61-63页 |
| ·主要工作总结 | 第61页 |
| ·今后工作与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录 A 测试函数列表 | 第66-68页 |
| 个人简历 在读期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
