首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

多目标量子遗传算法在低功耗状态分配中的应用

摘要第3-4页
ABSTRACT第4页
1 结论第8-11页
    1.1 引言第8页
    1.2 量子遗传算法国内外研究现状第8-9页
        1.2.1 国外研究现状第8-9页
        1.2.2 国内研究现状第9页
    1.3 论文主要工作和与框架结构第9-11页
        1.3.1 论文主要工作第9页
        1.3.2 本文的框架结构安排如下第9-11页
2 基本量子遗传算法和禁忌算法介绍第11-20页
    2.1 简单遗传算法第11-15页
        2.1.1 简单遗传算法的要素第11-12页
        2.1.2 遗传操作第12-14页
        2.1.3 简单遗传算法流程第14-15页
    2.2 简单量子遗传算法流程第15-17页
    2.3 简单量子遗传算法第17页
    2.4 简单量子比特编码第17页
    2.5 简单量子旋转门第17-18页
    2.6 禁忌搜索算法第18-20页
3 引入拥挤度的多目标量子遗传算法在状态分配中的应用第20-32页
    3.1 引言第20页
    3.2 多目标优化问题的定义第20-21页
    3.3 多目标量子遗传算法第21-23页
    3.4 状态分配问题的描述和数学模型第23-27页
        3.4.1 引言第23页
        3.4.2 有限状态机低功耗,小面积优化问题描述第23-25页
        3.4.3 有限状态机低功耗小面积优化的数学模型第25-27页
    3.5 量子遗传算法在状态分配中的编译码方案和量子旋转门操作第27-31页
        3.5.1 量子遗传算法在有限状态机中状态分配应用的编码第28页
        3.5.2 量子遗传算法在有限状态机中状态分配应用的译码第28-30页
        3.5.3 旋转量子门操作的调整和修改第30-31页
    3.6 仿真实验与结果分析第31-32页
        3.6.1 测试平台与实验设置第31页
        3.6.2 测试与比较第31-32页
4 改进的多目标量子遗传算法在状态分配中的应用第32-41页
    4.1 禁忌算法和多目标量子遗传算法的结合第32-34页
    4.2 仿真实验与结果分析第34-41页
        4.2.1 仿真平台与实验设置第34-35页
        4.2.2 仿真实验第35-37页
        4.2.3 实验结果比较与分析第37-41页
5 总结与展望第41-43页
    5.1 研究成果总结第41页
    5.2 展望第41-43页
参考文献第43-48页
附录第48-54页
致谢第54-55页
攻读硕士期间发表的学术论文第55页

论文共55页,点击 下载论文
上一篇:层级目标体系分析与打击目标行动生成研究
下一篇:差分电阻抗断层成像算法研究