量子計(jì)算與量子優(yōu)化算法

內(nèi)容概要

科學(xué)家預(yù)言：“21世紀(jì)，人類將從經(jīng)典信息時(shí)代跨越到量子信息時(shí)代?！眲?chuàng)立了一個(gè)世紀(jì)的量子力學(xué)隨著20世紀(jì)90年代與信息科學(xué)交叉融合誕生的量子信息學(xué)，已成為量子信息時(shí)代來(lái)臨的重要標(biāo)志。    本書是一部研究量子計(jì)算與量子優(yōu)化算法的學(xué)術(shù)著作。在簡(jiǎn)要綜述國(guó)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(lái)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(xué)基礎(chǔ)；量子計(jì)算基礎(chǔ)；基本量子算法；Grover量子搜索算法的改進(jìn)；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(jì)中的應(yīng)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(diǎn)。為便于學(xué)習(xí)，書中給出了多種量子優(yōu)化算法在搜索、優(yōu)化、聚類、識(shí)別與控制中的應(yīng)用例子，附錄給出了主要程序和量子計(jì)算常用名詞中英對(duì)照。本書可作為信息科學(xué)、計(jì)算機(jī)科學(xué)、信息與計(jì)算科學(xué)、控制科學(xué)及其自動(dòng)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(xué)習(xí)參考。

作者簡(jiǎn)介

李士勇，哈爾濱工業(yè)大學(xué)教學(xué)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(xué)工業(yè)自動(dòng)化專業(yè)，1983年在該校自動(dòng)控制專業(yè)獲碩士學(xué)位。1992年至1993年應(yīng)邀赴日本千葉工業(yè)大學(xué)從事模糊控制、神經(jīng)網(wǎng)絡(luò)控制領(lǐng)域的研究工作。國(guó)家模糊控制技術(shù)生產(chǎn)力促進(jìn)中心專家。中國(guó)自動(dòng)化學(xué)會(huì)智能自動(dòng)化專業(yè)委員會(huì)委員?！队?jì)算機(jī)測(cè)量與控制》期刊編委。
    先后主持和參加國(guó)家自然科學(xué)基金項(xiàng)目、973項(xiàng)目等多項(xiàng)科研工作?？蒲泻徒虒W(xué)成果共獲國(guó)家級(jí)獎(jiǎng)2項(xiàng)、獲省部級(jí)獎(jiǎng)7項(xiàng)。發(fā)表學(xué)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(guó)優(yōu)秀科技圖書獎(jiǎng)，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(guó)科技論文被引頻次最高的前50部專著與譯著排行榜，中國(guó)知網(wǎng)四大數(shù)據(jù)庫(kù)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(guó)家級(jí)規(guī)劃教材《工程模糊數(shù)學(xué)及應(yīng)用》出版四年來(lái)已被2016篇論文引用。美國(guó)IEEE Fellow、田納西大學(xué)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(xué)術(shù)造詣及貢獻(xiàn)”。
    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(xué)、復(fù)雜適應(yīng)系統(tǒng)理論、復(fù)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(yīng)用研究工作，并承擔(dān)教學(xué)和指導(dǎo)研究生工作。

書籍目錄

第1章  量子力學(xué)基礎(chǔ)  1.1 從經(jīng)典力學(xué)到量子力學(xué)  1.2 量子力學(xué)發(fā)展的回顧  1.3 量子力學(xué)的基本概念    1.3.1 什么是量子力學(xué)    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(xué)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(xué)的數(shù)學(xué)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(hào)    1.5.3 基與線性無(wú)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(jì)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(jì)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(wèn)題求解的基本思想    3.3.2 shor算法的實(shí)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(guò)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(jìn)  4.1 Grover算法的國(guó)內(nèi)外研究現(xiàn)狀    4.1.1 國(guó)外研究情況    4.1.2 國(guó)內(nèi)研究情況  4.2 基本Grover算法存在的主要問(wèn)題  4.3 基于π／2相位旋轉(zhuǎn)的改進(jìn)算法    4.3.1 相位匹配條件的改進(jìn)    4.3.2 改進(jìn)后算法相位旋轉(zhuǎn)的直觀圖示    4.3.3 改進(jìn)后的算法描述    4.3.4 搜索實(shí)例  4.4 使用局部擴(kuò)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(duì)比  4.5 基于自適應(yīng)相位旋轉(zhuǎn)的Grover算法    4.5.1 搜索引擎描述    4.5.2 自適應(yīng)旋轉(zhuǎn)相位的確定    4.5.3 搜索舉例  4.6 基于目標(biāo)加權(quán)的Grover算法    4.6.1 目標(biāo)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(biāo)態(tài)概率幅迭代過(guò)程動(dòng)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(shí)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(yīng)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(duì)比第5章  量子遺傳算法  5.1 量子進(jìn)化算法的國(guó)內(nèi)外研究現(xiàn)狀    5.1.1 國(guó)外研究現(xiàn)狀    5.1.2 國(guó)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(shí)現(xiàn)過(guò)程    5.2.4 算法仿真結(jié)果  5.3 改進(jìn)的量子遺傳算法    5.3.1 概述    5.3.2 實(shí)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(wèn)題中的應(yīng)用  5.4 基于量子位Bloch球面坐標(biāo)的量子進(jìn)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(shí)別中的應(yīng)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(wèn)題中的應(yīng)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(duì)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(guó)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(xué)習(xí)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(diǎn)集分類和函數(shù)逼近中的應(yīng)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(xué)習(xí)算法    7.3.3 在雙螺旋線分類及函數(shù)逼近中的應(yīng)用    7.3.4 在優(yōu)化PID控制參數(shù)中的應(yīng)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(xué)習(xí)算法    7.4.4 在模式識(shí)別和函數(shù)逼近中的應(yīng)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(yīng)用第8章  量子遺傳算法在模糊神經(jīng)控制中的應(yīng)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(jì)    8.2.1 NFNN控制器的拓?fù)浣Y(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(jì)  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(jí)倒立擺的數(shù)學(xué)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(jì)  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(jì)    8.4.3 基于初始擺角300下的DCQGA優(yōu)化性能對(duì)比    8.4.4 變擺桿長(zhǎng)度情況下的DCQGA優(yōu)化性能對(duì)比    8.4.5 基于初始擺角1度下的DCQGA優(yōu)化性能對(duì)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(jì)算常用名詞漢英對(duì)照參考文獻(xiàn)

章節(jié)摘錄

　　第1章 量子力學(xué)基礎(chǔ)　　1.1 從經(jīng)典力學(xué)到量子力學(xué)　　牛頓（I.Newton，1642～1727）發(fā)表科學(xué)史上最偉大的一部著作《自然哲學(xué)的數(shù)學(xué)原理》至今300多年。牛頓的偉大功績(jī)?cè)谟谒娜f(wàn)有引力定律和力學(xué)三定律把天體的運(yùn)動(dòng)和地球上物體的運(yùn)動(dòng)統(tǒng)一了起來(lái)，再加上他發(fā)明微積分，對(duì)光學(xué)、化學(xué)、自然哲學(xué)等多領(lǐng)域的貢獻(xiàn)，使他成為近代科學(xué)的奠基人。然而，經(jīng)典科學(xué)給我們描繪的是一幅靜止的、簡(jiǎn)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(jī)械自然觀。在牛頓力學(xué)的基礎(chǔ)上，經(jīng)過(guò)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(xué)體系。牛頓力學(xué)的建立和一個(gè)關(guān)鍵的宇宙常數(shù)相聯(lián)系，即萬(wàn)有引力常數(shù)G?！　垡蛩固梗ˋ.Einstein，1879～1955）發(fā)現(xiàn)，牛頓力學(xué)不能反映高速運(yùn)動(dòng)的規(guī)律，并根據(jù)運(yùn)動(dòng)的相對(duì)性原理和光速不變?cè)?，?chuàng)立了相對(duì)論力學(xué)，這是對(duì)牛頓力學(xué)的第一次重大突破。愛因斯坦的相對(duì)論在宇宙高速運(yùn)動(dòng)方面突破了牛頓力學(xué)，和另一個(gè)關(guān)鍵的宇宙常數(shù)相聯(lián)系，即不變的光速c?！　〉聡?guó)物理學(xué)家普朗克（M.Planck，1858～1947）、法國(guó)物理學(xué)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(xué)是對(duì)牛頓力學(xué)的第二次突破。量子力學(xué)指出，微觀粒子的低速運(yùn)動(dòng)不遵從牛頓力學(xué)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(jì)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(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    量子計(jì)算與量子優(yōu)化算法 PDF格式下載

---