第1章 绪论 1
1.1 背景知识 1
1.2 自然计算的研究现状 3
1.3 MQHOA算法的研究现状 8
1.4 MQHOA算法的最新研究进展 11
第2章 优化问题的建模方法 20
2.1 最优化问题 20
2.2 MQHOA算法求解TSP优化问题的建模方法 21
2.3 MQHOA算法求解聚类中心点优化问题的建模方法 21
2.4 数据中心需量费用优化问题的建模与求解 23
第3章 MQHOA算法的提出 41
3.1 MQHOA算法流程和数学描述 41
3.1.1 MQHOA算法的基本流程 41
3.1.2 MQHOA算法流程的数学描述 45
3.2 MQHOA算法的物理模型 46
3.2.1 MQHOA算法与经典谐振子物理模型的对应关系 46
3.2.2 MQHOA算法与量子谐振子物理模型的对应关系 48
3.2.3 波函数 51
3.2.4 量子隧道效应 51
3.2.5 测不准原理 52
3.3 MQHOA、QPSO和SA算法性能的实验对比 54
第4章 MQHOA算法求解函数优化问题 58
4.1 引言 58
4.2 高维函数优化问题的多尺度量子谐振子模型 59
4.2.1 多尺度优化函数二进信息采样模型 59
4.2.2 同一尺度下的量子谐振子搜索聚焦模型 61
4.3 多尺度量子谐振子算法实验分析 62
4.3.1 确定实验中的群体参数k和采样参数m 63
4.3.2 二维函数实验 63
4.3.3 高维函数实验 63
4.3.4 通过频率变换加速含高频成分函数的收敛进程 65
第5章 MQHOA算法求解组合优化问题 68
5.1 引言 68
5.2 组合优化问题的定义 69
5.3 MQHOA算法求解TSP问题的原理及过程 69
5.3.1 量子谐振子波函数所描述的收敛过程 69
5.3.2 多尺度量子谐振子算法的基本收敛过程 70
5.3.3 MQHOA算法求解TSP问题的基本过程 71
5.4 实验结果及讨论 73
5.4.1 MQHOA算法求解TSP标准测试数据 73
5.4.2 MQHOA算法求解规则分布的TSP问题 77
5.4.3 MQHOA算法求解TSP问题的收敛特性分析 78
第6章 MQHOA算法的迭代收敛特性 80
6.1 MQHOA算法收敛过程和参数选择 80
6.1.1 MQHOA算法的收敛过程 80
6.1.2 k、m参数的选择对算法收敛性的影响 81
6.2 MQHOA算法的QH0收敛过程研究 84
6.2.1 QHO收敛过程的收敛性分析 84
6.2.2 QHO收敛过程中的波函数收敛定理 85
6.2.3 QHO收敛过程中的能量变化 88
6.2.4 QHO收敛过程中的测不准关系 90
6.2.5 QHO收敛过程的波函数特性 93
6.3 MQHOA算法的M收敛过程研究 95
6.3.1 M收敛过程分析 95
6.3.2 M收敛过程实验 96
第7章 MQHOA算法的并行性研究 99
7.1 引言 99
7.2 MQHOA算法的运行时间分析 100
7.3 MQHOA算法的并行化特性 101
7.3.1 MQHOA算法的并行方法 101
7.3.2 MQHOA算法的3种并行粒度 102
7.3.3 根据采样参数选择MQHOA算法的并行粒度 105
7.4 MQHOA-P算法的运行流程 106
7.5 MQHOA-P算法的并行化性能分析 106
7.6 MQHOA-P算法的实验验证 108
附录A MQHOA算法核心代码 112
附录B 具有能级稳定过程的MQHOA算法的Matlab代码 121
附录C 主要的函数优化测试函数 126
参考文献 147