量子计算智能 内容简介

本书在总结自然计算领域主要理论研究和实际应用成果的基础上, 着重对近年来量子计算智能领域常见的理论及技术进行了较为全面的阐述, 并结合作者多年的研究成果, 对相关理论及技术在应用领域的实践情况进行了展示和总结。全书从优化和学习两个方面展开, 分为八章, 主要内容包括进化计算、群体智能算法、量子进化计算、量子粒子群优化, 以及基于量子智能优化的数据聚类、数据分类、网络学习和相关应用。

量子计算智能 本书特色

本书可为人工智能、计算机科学、信息科学、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生教材，其中前四部分为基础理论适合本科生使用，后四部分为高阶算法适合研究生使用。

量子计算智能 目录

第1章进化计算 11.1进化计算概述 11.1.1基本原理 41.1.2进化计算的一般框架 71.1.3进化计算研究现状 81.1.4进化计算典型算法 101.2人工免疫系统 131.2.1基本原理 141.2.2人工免疫系统研究现状 17本章参考文献 20第2章群体智能算法 252.1群体智能概述 252.2蚁群优化算法 272.2.1基本原理 272.2.2蚁群算法理论研究现状 282.2.3蚁群算法应用研究现状 292.3粒子群优化算法 302.3.1基本原理 312.3.2粒子群算法的理论研究现状 322.3.3粒子群算法的应用研究现状 34本章参考文献 34第3章量子进化计算 423.1量子进化计算 423.1.1基本概念 433.1.2量子进化算法 443.2量子克隆进化计算 523.2.1基本概念 533.2.2量子克隆进化算法 543.2.3量子克隆进化算法的结构框架 573.2.4量子克隆进化算法的收敛性 593.2.5量子克隆进化算法仿真 613.2.6量子克隆进化算法的并行实现 663.3量子免疫克隆多目标优化算法 673.3.1多目标优化 673.3.2量子免疫克隆多目标优化算法 733.3.3算法分析 763.3.4实验结果及分析 783.4结论与讨论 92本章参考文献 92第4章量子粒子群优化 964.1量子粒子群算法基础 964.1.1量子粒子群优化算法 964.1.2量子粒子群优化算法的改进算法 984.2基于协作学习的单目标量子粒子群优化 1004.2.1协作学习策略 1004.2.2基于协作学习策略的量子粒子群算法框架及实现 1034.2.3实验结果及分析 1054.3基于记忆策略的动态单目标量子粒子群优化 1184.3.1动态优化环境下的记忆策略 1194.3.2基于记忆策略的动态单目标量子粒子群算法框架实现 1204.3.3实验结果及分析 1244.4基于MapReduce的量子行为的粒子群优化算法 1314.4.1量子行为的粒子群优化算法 1314.4.2MRQPSO算法 1324.4.3实验结果及分析 1354.5结论与讨论 140本章参考文献 140第5章基于量子智能优化的数据聚类 1455.1基于核熵成分分析的量子聚类算法 1455.1.1量子聚类算法 1455.1.2基于核熵成分分析的量子聚类算法 1475.1.3实验结果及分析 1535.2基于量子粒子群的软子空间聚类算法 1655.2.1QPSO算法 1665.2.2QPSOSC算法 1685.2.3实验结果及分析 1715.3结论与讨论 178本章参考文献 179第6章基于量子智能优化的数据分类 1816.1基于量子粒子群的*近邻原型数据分类 1816.1.1数据分类方法简介 1816.1.2K近邻分类概述 1856.1.3基于量子粒子群的*近邻原型的数据分类 1876.1.4实验结果及分析 1896.2改进的量子粒子群的*近邻原型数据分类 1966.2.1基于多次塌陷-正交交叉量子粒子群的*近邻原型算法的数据分类 1966.2.2实验结果及分析 1986.3结论与讨论 206本章参考文献 206第7章基于量子智能优化的网络学习 2087.1基于量子进化算法的超参数优化 2087.1.1常用的机器学习模型 2087.1.2常用的优化算法 2137.1.3基于单个体量子遗传算法的超参数优化 2207.1.4实验设计及结果分析 2237.2基于量子多目标的稀疏受限玻尔兹曼机学习算法 2277.2.1引言 2277.2.2相关理论背景 2277.2.3基于量子多目标的稀疏受限玻尔兹曼机学习算法 2347.2.4基于量子多目标优化的稀疏深度信念网络 2387.2.5实验结果及分析 2387.3基于量子蚁群优化算法的复杂网络社区检测 2457.3.1引言 2457.3.2基于量子蚁群优化算法的社区结构检测算法 2467.3.3实验结果及分析 2527.4讨论与结论 264本章参考文献 265第8章基于量子智能优化的应用 2738.1基于文化进化机制和多观测策略的多目标量子粒子群调度优化算法 2738.1.1引言 2738.1.2EED问题模型 2748.1.3基于文化进化机制和多观测策略的多目标量子粒子群算法框架及实现 2758.1.4基于CMOQPSO的环境/经济调度优化 2818.1.5实验结果及分析 2828.2基于量子多目标进化聚类算法的图像分割 2958.2.1基于量子多目标进化聚类算法的图像分割 2958.2.2实验结果及分析 2998.3基于多背景变量协同量子粒子群优化及医学图像分割 3088.3.1背景变量概述 3088.3.2多背景变量协同量子粒子群算法 3088.3.3基于多背景协同量子粒子群算法的图像分割 3128.4讨论与结论 316本章参考文献 316

量子计算智能 作者简介

李阳阳，河南开封人，博士，西安电子科技大学教授，博士生导师，国家教育部重点实验室骨干成员，教育部创新团队骨干成员，国家"111计划"创新引智基地骨干成员，校"智能信息处理优秀创新团队"骨干成员。李阳阳现为IEEE高级会员，IEEE CIS 西安分部成员、IET西安分会司库，中国计算机学会高级会员、中国电子学会会员。李阳阳分别于2001年与2004年在西安电子科技大学获得工学学士学位与工学硕士学位，并于2007年毕业于西安电子科技大学模式识别与智能系统专业，获得工学博士学位