量子計算與量子優(yōu)化算法

內(nèi)容概要

科學家預言：“21世紀，人類將從經(jīng)典信息時代跨越到量子信息時代?！眲?chuàng)立了一個世紀的量子力學隨著20世紀90年代與信息科學交叉融合誕生的量子信息學，已成為量子信息時代來臨的重要標志。    本書是一部研究量子計算與量子優(yōu)化算法的學術(shù)著作。在簡要綜述國內(nèi)外該領(lǐng)域研究成果的基礎(chǔ)上，主要篇幅介紹了作者近年來取得的創(chuàng)新性研究成果。全書共8章，主要內(nèi)容包括：量子力學基礎(chǔ)；量子計算基礎(chǔ)；基本量子算法；Grover量子搜索算法的改進；量子遺傳算法；混沌量子免疫算法，量子蟻群算法，量子粒子群算法；量子神經(jīng)網(wǎng)絡(luò)模型與算法；量子遺傳算法在模糊神經(jīng)控制器參數(shù)優(yōu)化設(shè)計中的應用。    本書由淺入深、深入淺出、可讀性好，具有系統(tǒng)性、交叉性、前沿性等特點。為便于學習，書中給出了多種量子優(yōu)化算法在搜索、優(yōu)化、聚類、識別與控制中的應用例子，附錄給出了主要程序和量子計算常用名詞中英對照。本書可作為信息科學、計算機科學、信息與計算科學、控制科學及其自動化、智能信息處理、人工智能等相關(guān)專業(yè)的高等院校教師、研究生和科研人員學習參考。

作者簡介

李士勇，哈爾濱工業(yè)大學教學名師、教授、博士生鼻師，黑龍江省優(yōu)秀專家。1967年畢業(yè)于哈爾濱工業(yè)大學工業(yè)自動化專業(yè)，1983年在該校自動控制專業(yè)獲碩士學位。1992年至1993年應邀赴日本千葉工業(yè)大學從事模糊控制、神經(jīng)網(wǎng)絡(luò)控制領(lǐng)域的研究工作。國家模糊控制技術(shù)生產(chǎn)力促進中心專家。中國自動化學會智能自動化專業(yè)委員會委員?！队嬎銠C測量與控制》期刊編委。
    先后主持和參加國家自然科學基金項目、973項目等多項科研工作?？蒲泻徒虒W成果共獲國家級獎2項、獲省部級獎7項。發(fā)表學術(shù)論文150余篇，被SCI和EI等檢索近50篇。編著專著和教材共6部：代表作《模糊控制·神經(jīng)控制和智能控制論》獲全國優(yōu)秀科技圖書獎，中科院信息中心提供的數(shù)據(jù)表明，該書已躋身于十大領(lǐng)域中國科技論文被引頻次最高的前50部專著與譯著排行榜，中國知網(wǎng)四大數(shù)據(jù)庫檢索表明，該書自1996年出版至2008年底已被3755篇論文引用；入選“十一五”國家級規(guī)劃教材《工程模糊數(shù)學及應用》出版四年來已被2016篇論文引用。美國IEEE Fellow、田納西大學教授James C.Hung（洪箴）曾于1997年指出：“李教授在模糊控制，神經(jīng)網(wǎng)（絡(luò)）控制及智能控制方面有深入的理論研究和特殊的學術(shù)造詣及貢獻”。
    目前，主要從事模糊控制、神經(jīng)控制、智能控制、智能優(yōu)化算法、非線性科學、復雜適應系統(tǒng)理論、復雜網(wǎng)絡(luò)、人工生命的理論研究及其在工業(yè)、航天等領(lǐng)域的應用研究工作，并承擔教學和指導研究生工作。

書籍目錄

第1章  量子力學基礎(chǔ)  1.1 從經(jīng)典力學到量子力學  1.2 量子力學發(fā)展的回顧  1.3 量子力學的基本概念    1.3.1 什么是量子力學    1.3.2 量子態(tài)及其表象    1.3.3 量子態(tài)的相干疊加性、糾纏性和坍縮  1.4 量子力學的基本假設(shè)    1.4.1 波函數(shù)的概率波詮釋    1.4.2 態(tài)疊加原理    1.4.3 薛定諤方程    1.4.4 算符化規(guī)則    1.4.5 全同性原理  1.5 量子力學的數(shù)學基礎(chǔ)    1.5.1 向量空間與希爾伯特空間    1.5.2 狄拉克符號    1.5.3 基與線性無關(guān)    1.5.4 線性算子與矩陣    1.5.5 內(nèi)積、外積、張量積第2章  量子計算基礎(chǔ)  2.1 從經(jīng)典信息到量子信息  2.2 量子比特    2.2.1 單量子比特    2.2.2 雙量子比特    2.2.3 多量子比特  2.3 量子邏輯門    2.3.1 單比特量子門    2.3.2 多比特量子門    2.3.3 量子門的通用性第3章  基本量子算法  3.1 量子計算的并行性  3.2 Deutsch量子算法  3.3 Shor量子算法    3.3.1 因子分解問題求解的基本思想    3.3.2 shor算法的實現(xiàn)步驟  3.4 Grover量子算法    3.4.1 基于黑箱的搜索思想    3.4.2 Grover算法搜索步驟    3.4.3 Grover算法搜索過程幾何描述    3.4.4 算法性能分析第4章  Grover量子搜索算法的改進  4.1 Grover算法的國內(nèi)外研究現(xiàn)狀    4.1.1 國外研究情況    4.1.2 國內(nèi)研究情況  4.2 基本Grover算法存在的主要問題  4.3 基于π／2相位旋轉(zhuǎn)的改進算法    4.3.1 相位匹配條件的改進    4.3.2 改進后算法相位旋轉(zhuǎn)的直觀圖示    4.3.3 改進后的算法描述    4.3.4 搜索實例  4.4 使用局部擴散算子的量子搜索算法    4.4.1 一步迭代搜索    4.4.2 算法原理    4.4.3 Younes算法與基本Grover算法對比  4.5 基于自適應相位旋轉(zhuǎn)的Grover算法    4.5.1 搜索引擎描述    4.5.2 自適應旋轉(zhuǎn)相位的確定    4.5.3 搜索舉例  4.6 基于目標加權(quán)的Grover算法    4.6.1 目標量子疊加態(tài)的構(gòu)造    4.6.2 迭代算子的構(gòu)造    4.6.3 算法的迭代方程    4.6.4 算法迭代方程的解    4.6.5 算法的成功概率    4.6.6 目標態(tài)概率幅迭代過程動態(tài)分析    4.6.7 加權(quán)Grover算法與基本Grover算法的關(guān)系    4.6.8 加權(quán)Grover算法的實現(xiàn)步驟    4.6.9 加權(quán)Grover算法舉例及分析  4.7 基于自適應相位旋轉(zhuǎn)的加權(quán)Grover算法    4.7.1 算法原理    4.7.2 算例分析  4.8 基于固定相位旋轉(zhuǎn)的Grover算法  4.9 基于固定相位旋轉(zhuǎn)的廣義Grover算法    4.9.1 構(gòu)造迭代算子    4.9.2 算子中α參數(shù)的確定    4.9.3 算法需要的迭代步數(shù)    4.9.4 廣義Grover算法與其他算法的關(guān)系    4.9.5 廣義Grover算法與其他算法的對比第5章  量子遺傳算法  5.1 量子進化算法的國內(nèi)外研究現(xiàn)狀    5.1.1 國外研究現(xiàn)狀    5.1.2 國內(nèi)研究現(xiàn)狀  5.2 基本量子遺傳算法    5.2.1 算法原理    5.2.2 算法結(jié)構(gòu)    5.2.3 算法實現(xiàn)過程    5.2.4 算法仿真結(jié)果  5.3 改進的量子遺傳算法    5.3.1 概述    5.3.2 實數(shù)編碼梯度量子遺傳算法    5.3.3 算法描述    5.3.4 在求解連續(xù)優(yōu)化問題中的應用  5.4 基于量子位Bloch球面坐標的量子進化算法    5.4.1 概述    5.4.2 BQEA的基本原理    5.4.3 算法描述    5.4.4 BQEA的收斂性    5.4.5 在函數(shù)優(yōu)化及模式識別中的應用第6章  量子群智能優(yōu)化算法  6.1 混沌量子免疫算法    6.1.1 概述    6.1.2 算法原理    6.1.3 收斂性分析    6.1.4 在求解連續(xù)優(yōu)化問題中的應用  6.2 量子蟻群算法    6.2.1 概述    6.2.2 算法原理    6.2.3 仿真結(jié)果及分析  6.3 量子粒子群算法    6.3.1 概述    6.3.2 基本PSO算法    6.3.3 量子粒子群優(yōu)化算法    6.3.4 仿真結(jié)果對比第7章  量子神經(jīng)網(wǎng)絡(luò)模型與算法  7.1 量子神經(jīng)網(wǎng)絡(luò)的國內(nèi)外研究現(xiàn)狀  7.2 基于通用量子門演化的量子神經(jīng)網(wǎng)絡(luò)    7.2.1 量子位和通用量子門    7.2.2 量子BP神經(jīng)網(wǎng)絡(luò)模型    7.2.3 量子BP神經(jīng)網(wǎng)絡(luò)學習算法    7.2.4 量子BP神經(jīng)網(wǎng)絡(luò)的連續(xù)性    7.2.5 在平面點集分類和函數(shù)逼近中的應用  7.3 基于量子加權(quán)的量子神經(jīng)網(wǎng)絡(luò)    7.3.1 量子加權(quán)神經(jīng)網(wǎng)絡(luò)模型    7.3.2 學習算法    7.3.3 在雙螺旋線分類及函數(shù)逼近中的應用    7.3.4 在優(yōu)化PID控制參數(shù)中的應用  7.4 基于量子門線路的量子神經(jīng)網(wǎng)絡(luò)    7.4.1 量子門及線路表示    7.4.2 量子門線路神經(jīng)網(wǎng)絡(luò)模型    7.4.3 學習算法    7.4.4 在模式識別和函數(shù)逼近中的應用  7.5 量子自組織特征映射網(wǎng)絡(luò)    7.5.1 量子自組織特征映射網(wǎng)絡(luò)模型    7.5.2 量子自組織特征映射網(wǎng)絡(luò)聚類算法    7.5.3 在IRIS數(shù)據(jù)聚類中的應用第8章  量子遺傳算法在模糊神經(jīng)控制中的應用  8.1 解析描述控制規(guī)則的模糊控制器參數(shù)優(yōu)化    8.1.1 模糊控制規(guī)則的解析描述    8.1.2 模糊控制器參數(shù)的量子遺傳優(yōu)化仿真  8.2 基于量子遺傳算法的模糊神經(jīng)控制器參數(shù)優(yōu)化設(shè)計    8.2.1 NFNN控制器的拓撲結(jié)構(gòu)    8.2.2 基于量子遺傳算法的NFNN控制器參數(shù)優(yōu)化設(shè)計  8.3 基于狀態(tài)變量合成輸入的NFNN控制器參數(shù)優(yōu)化    8.3.1 單級倒立擺的數(shù)學模型    8.3.2 倒立擺模糊控制系統(tǒng)    8.3.3 控制器綜合系數(shù)的確定    8.3.4 模糊控制規(guī)則的確定    8.3.5 NFNN控制器參數(shù)的DCQGA優(yōu)化設(shè)計  8.4 基于狀態(tài)變量直接輸入的NFNN控制器參數(shù)優(yōu)化    8.4.1 模糊控制規(guī)則的確定    8.4.2 NFNN控制器的DCQGA優(yōu)化設(shè)計    8.4.3 基于初始擺角300下的DCQGA優(yōu)化性能對比    8.4.4 變擺桿長度情況下的DCQGA優(yōu)化性能對比    8.4.5 基于初始擺角1度下的DCQGA優(yōu)化性能對比附錄1 部分算法的源程序  1.1 Grover算法成功概率仿真程序  1.2 量子遺傳算法仿真程序  1.3 量子粒子群算法仿真程序  1.4 量子自組織特征映射網(wǎng)絡(luò)聚類算法仿真程序  1.5 基于量子遺傳算法的倒立擺模糊控制器參數(shù)優(yōu)化仿真程序附錄2 量子計算常用名詞漢英對照參考文獻

章節(jié)摘錄

　　第1章 量子力學基礎(chǔ)　　1.1 從經(jīng)典力學到量子力學　　牛頓（I.Newton，1642～1727）發(fā)表科學史上最偉大的一部著作《自然哲學的數(shù)學原理》至今300多年。牛頓的偉大功績在于他的萬有引力定律和力學三定律把天體的運動和地球上物體的運動統(tǒng)一了起來，再加上他發(fā)明微積分，對光學、化學、自然哲學等多領(lǐng)域的貢獻，使他成為近代科學的奠基人。然而，經(jīng)典科學給我們描繪的是一幅靜止的、簡單的、可逆、確定的、永恒不變的自然圖景，形成了一種關(guān)于“存在”的機械自然觀。在牛頓力學的基礎(chǔ)上，經(jīng)過拉格朗日、哈密頓、雅可比和泊松等人卓有成效的工作，建立了完備的牛頓力學體系。牛頓力學的建立和一個關(guān)鍵的宇宙常數(shù)相聯(lián)系，即萬有引力常數(shù)G?！　垡蛩固梗ˋ.Einstein，1879～1955）發(fā)現(xiàn)，牛頓力學不能反映高速運動的規(guī)律，并根據(jù)運動的相對性原理和光速不變原理，創(chuàng)立了相對論力學，這是對牛頓力學的第一次重大突破。愛因斯坦的相對論在宇宙高速運動方面突破了牛頓力學，和另一個關(guān)鍵的宇宙常數(shù)相聯(lián)系，即不變的光速c。　　德國物理學家普朗克（M.Planck，1858～1947）、法國物理學家德布羅意（L.V.de Borglie，1892～1987）、薛定諤、玻爾、海森堡、狄拉克等人創(chuàng)立的量子力學是對牛頓力學的第二次突破。量子力學指出，微觀粒子的低速運動不遵從牛頓力學的規(guī)律，而滿足薛定諤方程，它們呈現(xiàn)出特有的波粒二象性，服從一種統(tǒng)計規(guī)律，與其相關(guān)的物理常數(shù)是普朗克常數(shù)h。　　……

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    量子計算與量子優(yōu)化算法 PDF格式下載

---