| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 论文常用专业术语说明 | 第8-12页 |
| 第一章 绪论 | 第12-24页 |
| ·引言 | 第12页 |
| ·量子计算优化方法背景与意义 | 第12-14页 |
| ·量子搜索与优化研究现状 | 第14-19页 |
| ·量子搜索研究现状 | 第14-15页 |
| ·量子优化算法研究现状 | 第15-19页 |
| ·存在的问题和研究内容 | 第19-21页 |
| ·论文的结构与主要工作 | 第21-24页 |
| 第二章 量子计算理论基础 | 第24-32页 |
| ·量子比特与量子门 | 第24-26页 |
| ·量子比特 | 第24-25页 |
| ·量子比特门 | 第25-26页 |
| ·量子状态空间 | 第26-28页 |
| ·基与线性无关性 | 第26-27页 |
| ·量子算符 | 第27页 |
| ·内积、外积与张量积 | 第27-28页 |
| ·量子的重要特性 | 第28-30页 |
| ·量子的叠加性 | 第28-29页 |
| ·量子状态的相干性 | 第29页 |
| ·量子纠缠性 | 第29页 |
| ·量子并行性 | 第29-30页 |
| ·量子理论假设 | 第30-31页 |
| ·状态空间假设 | 第30页 |
| ·薛定谔方程假设 | 第30页 |
| ·量子测量假设 | 第30页 |
| ·复合系统假设 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于 Grover 算法的量子搜索改进与应用 | 第32-48页 |
| ·引言 | 第32页 |
| ·基于固定目标权重的 Grover 搜索算法 | 第32-38页 |
| ·Grover 算法基本原理 | 第32-33页 |
| ·Grover 算法迭代过程分析 | 第33-35页 |
| ·基于固定目标权重的 Grover 量子搜索算法 | 第35-37页 |
| ·算例分析 | 第37-38页 |
| ·基于固定目标权重的量子部分搜索算法 | 第38-42页 |
| ·目标态的构建 | 第39页 |
| ·GRK 算法原理与计算步骤 | 第39-40页 |
| ·算例分析 | 第40-42页 |
| ·基于量子部分搜索算法的量子可控有序签名集成方案 | 第42-47页 |
| ·纠缠交换原理 | 第42-43页 |
| ·量子可控有序多重集成签名方案 | 第43-46页 |
| ·安全性和有效性分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 量子免疫克隆算法的改进与应用 | 第48-68页 |
| ·引言 | 第48页 |
| ·量子免疫算法的原理及特点 | 第48-49页 |
| ·云模型量子自适应免疫克隆算法 | 第49-63页 |
| ·云模型理论 | 第49-51页 |
| ·混沌系统分析 | 第51-56页 |
| ·算法基本原理 | 第56-60页 |
| ·测试结果及分析 | 第60-63页 |
| ·改进算法在参数估计中的应用 | 第63-66页 |
| ·编码方案的改进 | 第63-64页 |
| ·非线性系统模型 | 第64页 |
| ·估计的结果及分析 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 量子粒子群算法的改进与应用 | 第68-94页 |
| ·引言 | 第68页 |
| ·量子粒子群算法原理 | 第68-71页 |
| ·云模型的自适应量子粒子群算法 | 第71-80页 |
| ·算法基本原理 | 第72-73页 |
| ·算法性能测试 | 第73-80页 |
| ·基于二进制的量子粒子群算法 | 第80-83页 |
| ·算法原理 | 第80-82页 |
| ·测试与分析 | 第82-83页 |
| ·改进算法在压缩感知数据重构中的应用 | 第83-92页 |
| ·压缩感知理论简介 | 第83-85页 |
| ·基于统计法的直接信号重构 | 第85-87页 |
| ·基于 OMP 算法的信号重构 | 第87-90页 |
| ·基于量子粒子群算法的稀疏度未知信号重建 | 第90-92页 |
| ·本章小结 | 第92-94页 |
| 第六章 量子蚁群算法的改进与应用 | 第94-126页 |
| ·引言 | 第94页 |
| ·量子蚁群算法基本原理 | 第94-96页 |
| ·连续空间优化的量子蚁群算法 | 第96-100页 |
| ·连续空间优化量子蚁群算法基本原理 | 第96-98页 |
| ·算法性能测试 | 第98-100页 |
| ·求解 TSP 问题的改进量子蚁群算法 | 第100-108页 |
| ·改进量子蚁群算法原理 | 第101-104页 |
| ·算法性能测试 | 第104-108页 |
| ·量子扩展蚁群连续优化改进算法 | 第108-118页 |
| ·ACOR算法简介 | 第108-111页 |
| ·量子扩展蚁群改进算法原理 | 第111-116页 |
| ·测试结果与分析 | 第116-118页 |
| ·量子扩展蚁群改进算法在 BP 神经网络中的应用 | 第118-124页 |
| ·应用背景 | 第119-120页 |
| ·声音样本集的建立 | 第120-123页 |
| ·BP—IQEACA 算法 | 第123-124页 |
| ·仿真设置与结果 | 第124页 |
| ·本章小结 | 第124-126页 |
| 第七章 总结与展望 | 第126-130页 |
| ·论文工作总结 | 第126-128页 |
| ·研究展望 | 第128-130页 |
| 参考文献 | 第130-142页 |
| 攻博期间完成的学术论文和成果 | 第142-144页 |
| 致谢 | 第144-145页 |