| [1] DUAN H B，LUO Q N.New progresses in swarm intelligence-based computation[J].International Journal of Bio-Inspired Computation，2015，7（1）：26-35. [2] 何小锋.量子群智能优化算法及其应用研究[D].上海：上海理工大学，2014. HE X F.Quantum swarm intelligent optimization algorithm and its application[D].Shanghai：Shanghai University of Technology，2014. [3] 张大可.现代设计方法[M].北京：机械工业出版社，2014：64-66. ZHANG D K.Modern design method[M].Beijing：China Machine Press，2014：64-66 [4] HOLLAND H J.Genetic algorithms and the optimal allocation of trials[J].Critical Asian Studies，1973，2（2）：88-105. [5] DORIGO M.Optimization learning and natural algorithms[D].Italy：Politecnico di Milano，1992. [6] KENNEDY J，EBERHART R.Particle swarm optimization[C]//Proceedings of International Conference on Neural Networks，Perth，WA，Australia，1995：1942-1948. [7] KARABOGA D，BASTURK B.On the performance of artificial bee colony（ABC） algorithm[J].Applied Soft Computing，2008，8（1）：687-697. [8] YANG X S，SADAT H S S，GANDOMI A H.Firefly algorithm for solving non-convex economic dispatch problems with valve loading effect[J].Applied Soft Computing，2012，12（3）：1180-1186. [9] 周雅兰.细菌觅食优化算法的研究与应用[J].计算机工程与应用，2010，46（20）：16-21. ZHOU Y L.Research and application on bacteria foraging optimization algorithm[J].Computer Engineering and Applications，2010，46（20）：16-21. [10] DUAN H B，QIAO P X.Pigeon-inspired optimization：A new swarm intelligence optimizer for air robot path planning[J].International Journal of Intelligent Computing and Cybernetics，2014，7（1）：24-37. [11] FEYNMAN R.Simulating physics with computers[J].International Journal Theoretical Physics，1982，21（6）：467-488. [12] SHOR P W.Algorithm for quantum computation：discrete logarithms and factoring[C]//Proceedings of the 35th Annual Symposium on Foundations of Computer Science，Santa Fe，NM，USA，1994：124-134. [13] GROVER L K.A fast quantum mechanics algorithm for database search[C]//Proceedings of the 28th ACM Symposium on Theory of Computing，1996：212-219. [14] AJIT N，MARK M.Optimization with quantum genetic algorithm[C]//Proceedings of IEEE International Conference on Evolutionary Computation，1996：61-66. [15] HAN K H，KIM J H.Genetic quantum algorithm and its application to combinatorial optimization problem[C]//Proceedings of the 2000 IEEE Congress on Evolutionary Computation，2000：1354-1360. [16] SUN J，FENG B，XU W B.Particle swarm optimization with particles having quantum behavior[C]//Proceedings of the 2004 Congress on Evolutionary Computation，2004：325-331. [17] 李盼池，李士勇.求解连续空间优化问题的量子蚁群算法[J].控制理论与应用，2008（2）：237-241. LI P C，LI S Y.Quantum ant colony algorithm for continuous space optimization[J].Control Theory and Application，2008（2）：237-241. [18] 唐涛.一种新型二进制编码的量子鱼群算法[J].电脑知识与技术，2008（S1）：52-53. TANG T.A new binary coded quantum fish swarm algorithm[J].Computer Knowledge and Technology，2008（S1）：52-53. [19] GAO H Y，LIU Y Q，DIAO M.Robust multi-user detection based on quantum bee colony optimisation[J].International Journal of Innovative Computing and Applications，2011，3（3）：160-168. [20] LAYEB A.A novel quantum inspired cuckoo search for knapsack problems[J].International Journal of Bio-Inspired Computation，2011，3（5）：297-305. [21] 孙冲.混合蛙跳算法改进及控制参数优化仿真研究[D].哈尔滨：哈尔滨工业大学，2011. SUN C.Simulation Research on hybrid frog leaping algorithm improvement and control parameter optimization[D].Harbin：Harbin Institute of Technology，2011. [22] 张剑飞，杜晓昕，王波.基于量子萤火虫和增益Beta的医学DR图像自适应增强[J].微电子学与计算机，2014，31（5）：135-139. ZHANG J F，DU X X，WANG B.Adaptive enhancement of medical DR image based on quantum firefly and gain beta[J].Microelectronics and Computer，2014，31（5）：135-139. [23] 李枝勇.蝙蝠算法及其在函数优化中的应用研究[D].上海：上海理工大学，2013. LI Z Y.Bat algorithm and its application in function optimization[D].Shanghai：Shanghai University of Technology，2013. [24] 赵卢月.基于量子蚁群算法的最短路径问题研究[D].青岛：青岛理工大学，2019. ZHAO L Y.Research on shortest path problem based on quantum ant colony algorithm[D].Qingdao：Qingdao University of Technology，2019. [25] 万正宜，彭玉旭.求解旅行商问题的改进型量子蚁群算法[J].计算机工程与应用，2016，52（22）：59-63. WAN Z Y，PENG Y X.Improved quantum ant colony algorithm for traveling salesman problem[J].Computer Engineering and Applications，2016，52（22）：59-63. [26] 何小锋，马良.求解图着色问题的量子蚁群算法[J].运筹学学报，2013，17（2）：19-26. HE X F，MA L.Quantum ant colony algorithm for graph coloring problem[J].Journal of Operational Research，2013，17（2）：19-26. [27] 何小锋，马良.求解0-1背包问题的量子蚁群算法[J].计算机工程与应用，2011，47（16）：29-31. HE X F，MA L.Quantum-inspired ant algorithm for solving 0-1 knapsack problem[J].Computer Engineering and Applications，2011，47（16）：29-31. [28] CHEN X F，XIA X Y，YU R Y.Quantum ant colony algorithm based on Bloch coordinates[J].Journal of Computers，2013，8（6）：1536-1543. [29] 王灵，王秀亭，俞金寿.基于自适应量子蚁群算法的石脑油裂解炉故障诊断[J].化工学报，2009，60（2）：401-408. WANG L，WANG X T，YU J S.Fault diagnosis of naphtha cracking furnace based on adaptive quantum ant colony algorithm[J].Journal of Chemical Industry and Engineering，2009，60（2）：401-408. [30] 李絮，刘争艳，谭拂晓.求解TSP的新量子蚁群算法[J].计算机工程与应用，2011，47（32）：42-44. LI X，LIU Z Y，TAN F X.Novel quantum ant colony algorithm for TSP[J].Computer Engineering and Applications，2011，47（32）：42-44. [31] 贾瑞玉，李亚龙，管玉勇.求解旅行商问题的混合量子蚁群算法[J].计算机工程与应用，2013，49（22）：36-39. JIA R Y，LI Y L，GUAN Y Y.Hybrid quantum ant colony algorithm for traveling salesman problem[J].Computer Engineering and Applications，2013，49（22）：36-39. [32] 张程程.改进量子蚁群算法的动态最优路径诱导研究[D].哈尔滨：哈尔滨工程大学，2015. ZHANG C C.Research on dynamic optimal path guidance based on improved quantum ant colony algorithm[D].Harbin：Harbin Engineering University，2015. [33] XIA G Q，HAN Z W，ZHAO B，et al.Global path planning for unmanned surface vehicle based on improved quantum ant colony algorithm[J/OL].Mathematical Problems in Engineering：Article ID 2902170.（2019-04-24）[2021-07-01].https：//doi.org/10.1155/2019/2902170. [34] WANG L.A novel quantum ant colony optimization algorithm and its application to fault diagnosis[J].Transactions of the Institute of Measurement & Control，2008，30（3/4）：313-329. [35] LI F，LIU M，XU G W.A quantum ant colony multi-objective routing algorithm in WSN and its application in a manufacturing environment[J].Sensors，2019，19（15）：3334. [36] LI J J，XU B W，YANG Y S，et al.Quantum ant colony optimization algorithm for AGVs path planning based on Bloch coordinates of pheromones[J].Natural Computing，2020，19：673-682. [37] 李晓峰，焦洪双，李东.基于量子蚁群算法的医疗图像阈值分割算法[J].沈阳大学学报（自然科学版），2020，32（6）：490-495. LI X F，JIAO H S，LI D.Medical image threshold segmentation algorithm based on quantum ant colony algorithm[J].Journal of Shenyang University（Natural Science Edition），2020，32（6）：490-495. [38] 杨树欣，李盼池.基于量子蚁群优化的油田水淹层识别方法[J].计算机与数字工程，2015，43（2）：173-177. YANG S X，LI P C.Identification method of water flooded zone in oil field based on quantum ant colony optimization[J].Computer and Digital Engineering，2015，43（2）：173-177. [39] 刘瑜，马良.量子蚁群算法在压力容器优化设计中的应用[J].机械强度，2011，33（5）：786-790. LIU Y，MA L.Application of quantum ant colony algorithm in optimal design of pressure vessels[J].Mechanical Strength，2011，33（5）：786-790. [40] WANG X Y，ZHANG H M，GAO H H.Quantum particle swarm optimization based network Intrusion feature selection and detection[J].IFAC Proceedings Volumes，2008，41（2）：12312-12317. [41] KHAYYATZADEH M，TOUSI B.Damping of power system oscillations via quantum particle swarm optimization based distributed static series compensator[J].Electric Power Components and Systems，2013，41（7）：729-746. [42] CH S，ANAND N，PANIGRAHI B K，et al.Streamflow forecasting by SVM with quantum behaved particle swarm optimization[J].Neurocomputing，2013，101：18-23. [43] 高浩，须文波，孙俊.量子粒子群算法在图像分割中的应用[J].计算机工程与应用，2007，43（33）：24-25. GAO H，XU W B，SUN J.Image segmentation using quantum-behaved particle swarm optimization algorithm[J].Computer Engineering and Applications，2007，43（33）：24-25. [44] RADHA R，GOPALAKRISHNAN R.A medical analytical system using intelligent fuzzy level set brain image segmentation based on improved quantum particle swarm optimization[J].Microprocessors and Microsystems，2020，79：103283. [45] ZHAO X G，LIANG J，MENG J，et al.An improved quantum particle swarm optimization algorithm for environmental economic dispatch[J].Expert Systems with Applications，2020，152：113370. [46] 金鹏.改进量子行为粒子群算法的研究及其在优化问题中的应用[D].徐州：中国矿业大学，2018. JIN P.Research on improved quantum-behaved particle swarm optimization and its application in optimization problems[D].Xuzhou：China University of Mining and Technology，2018. [47] 赵国新，陈志炼，魏战红.混合自适应量子粒子群优化算法[J].微电子学与计算机，2019，36（7）：76-80. ZHAO G X，CHEN Z L，WEI Z H.Hybrid adaptive quantum particle swarm optimization algorithm[J].Microelectronics & Computer，2019，36（7）：76-80. [48] 刘旭光，宋万干.基于量子人工鱼群算法优化的K-mediods聚类挖掘研究[J].贵阳学院学报（自然科学版），2021，16（1）：26-31. LIU X G，SONG W G.Research on K-mediods clustering mining based on quantum artificial fish swarm algorithm[J].Journal of Guiyang University（Natural Science Edition），2021，16（1）：26-31. [49] 王林川，李传虎，罗晓辉，等.基于量子人工鱼群混合算法的输电网规划[J].华中电力，2009，22（6）：1-4. WANG L C，LI C H，LUO X H，et al.Transmission network planning based on quantum artificial fish swarm hybrid algorithm[J].Central China Electric Power，2009，22（6）：1-4. [50] 张锴.基于自适应量子人工鱼群算法的动态路径诱导研究[D].沈阳：东北大学，2014. ZHANG K.Research on dynamic path guidance based on adaptive quantum artificial fish swarm algorithm[D].Shenyang：Northeastern University，2014. [51] 行鸿彦，韩杰，刘刚.量子人工鱼群优化的随机共振微弱信号检测[J].计算机仿真，2019，36（10）：368-372. XING H Y，HAN J，LIU G.Stochastic resonance weak signal detection based on quantum artificial fish swarm optimization[J].Computer Simulation，2019，36（10）：368-372. [52] 李根.基于量子人工鱼群和模糊核聚类算法的网络入侵检测模型研究[J].软件工程，2019，22（6）：33-37. LI G.Research on network intrusion detection model based on quantum artificial fish swarm and fuzzy kernel clustering algorithm[J].Software Engineering，2019，22（6）：33-37. [53] GAO H Y，LIU Y Q，DIAO M.Robust multi-user detection based on quantum bee colony optimisation[J].International Journal of Innovative Computing and Applications，2011，3（3）：160-168. [54] 邓斯凯，毛弋.基于量子人工蜂群算法的配电网多目标优化重构[J].湖南师范大学自然科学学报，2021（2）：80-86. DENG S K，MAO Y.Multi-objective optimal reconfiguration of distribution network based on quantum artificial bee colony algorithm[J].Journal of Natural Science of Hunan Normal University，2021（2）：80-86. [55] GAO H Y，LI C W.Membrane-inspired quantum bee colony optimization and its applications for decision engine[J].Journal of Central South University，2014，21（5）：1887-1897. [56] HUO F C，SUN X T，REN W J.Multilevel image threshold segmentation using an improved Bloch quantum artificial bee colony algorithm[J].Multimedia Tools and Applications，2020，79（3）：2447-2471. [57] 侯国莲，弓林娟.基于量子蜂群聚类的T-S模糊建模在智能发电运行控制中应用[J].热力发电，2019，48（9）：108-114. HOU G L，GONG L J.Application of T-S fuzzy modeling based on quantum bee colony clustering in intelligent power generation operation control[J].Thermal Power Generation，2019，48（9）：108-114. [58] 高相铭，杨世凤，潘三博.基于混沌量子蜂群优化SVR的多峰MPPT算法研究[J].电气传动，2015，45（12）：55-60. GAO X M，YANG S F，PAN S B.Research on multi-peak MPPT algorithm based on SVR optimized by chaotic quantum-inspired artificial bee colony[J].Electric Drive，2015，45（12）：55-60. [59] KARTOUS W，LAYEB A，CHIKHI S.A new quantum cuckoo search algorithm for multiple sequence alignment[J].Journal of Intelligent Systems，2014，23（3）：261-275. [60] 朱海红.量子群智能优化算法设计及其应研究[D].芜湖：安徽师范大学，2018. ZHU H H.Quantum swarm optimization algorithm design and its application[D].Wuhu：Anhui Normal University，2018. [61] 杜传报，全厚德，唐友喜，等.基于膜量子布谷鸟搜索的双通道网络频谱资源分配[J].电波科学学报，2016，31（1）：129-137. DU C B，QUAN H D，TANG Y X，et al.Spectrum resource allocation of dual channel network based on membrane quantum cuckoo search[J].Journal of Radio Science，2016，31（1）：129-137. [62] 张东寅，王澎涛，袁艳斌，等.基于改进布谷鸟算法的电力系统最优潮流计算[J].水电能源科学，2017，35（1）：200-204. ZHANG D Y，WANG P T，YUAN Y B，et al.Power system optimal power flow calculation based on improved cuckoo algorithm[J].Hydropower Energy Science，2017，35（1）：200-204. [63] 刘志刚，杜娟，许少华，等.基于量化正交交叉的量子衍生布谷鸟搜索算法[J].信息与控制，2017，46（4）：408-414. LIU Z G，DU J，XU S H，et al.Quantum derived cuckoo search algorithm based on quantum orthogonal crossover[J].Information and Control，2017，46（4）：408-414. [64] BOUSHAKI S I，KAMEL N，BENDJEHABA O.A new quantum chaotic cuckoo search algorithm for data clustering[J].Expert Systems with Applications，2018，96：358-372. [65] 张强，许少华，刘丽杰.量子混合蛙跳算法在过程神经网络优化中的应用[J].信号处理，2013，29（8）：1003-1011. ZHANG Q，XU S H，LIU L J.Application of quantum hybrid frog leaping algorithm in process neural network optimization[J].Signal Processing，2013，29（8）：1003-1011. [66] 陈光宇，何健，施蔚锦，等.基于量子混合蛙跳算法的含分布式电源配电网无功优化[J].电网与清洁能源，2015，31（5）：36-41. CHEN G Y，HE J，SHI W J，et al.Reactive power optimization of distribution network with distributed generation based on quantum hybrid frog leaping algorithm[J].Power Grid and Clean Energy，2015，31（5）：36-41. [67] WANG X M，LIU S，LI Q M，et al.Underwater sonar image detection：A novel quantum-inspired shuffled frog leaping algorithm[J].Chinese Journal of Electronics，2018，27（3）：588-594. [68] 赵俊丽.量子萤火虫算法改进及其在图像阈值分割中的应用[D].银川：宁夏大学，2019. ZHAO J L.Improvement of quantum firefly algorithm and its application in image threshold segmentation[D].Yinchuan：Ningxia University，2019. [69] SHAREEF H，LBRAHIM A A，SALMAN N，et al.Power quality and reliability enhancement in distribution systems via optimum network reconfiguration by using quantum firefly algorithm[J].International Journal of Electrical Power and Energy Systems，2014，58：160-169. [70] 齐学梅，王宏涛，杨洁，等.量子萤火虫算法及在无等待流水调度上的应用[J].信息与控制，2016，45（2）：211-217. QI X M，WANG H T，YANG J，et al.Quantum firefly algorithm and its application in no wait flow scheduling[J].Information and Control，2016，45（2）：211-217. [71] TAO S B，LIU D Z，TANG A P，et al.Bridge critical state search by using quantum genetic firefly algorithm[J].Shock and Vibration，2019（2）：1-10. [72] HUO L，WANG Z L，LI R X.Quantum-behaved bat algorithm for service composition[C]//Proceedings of the 2nd International Conference on Comunication Technology.Melboume：Information Engineering Research Institute Press，2015：8. [73] HUANG X W，LI C P，PU Y M，et al.Gaussian quantum bat algorithm with direction of mean best position for numerical function optimization[J].Computational Intelligence and Neuroscience，2019（9）：1-18. [74] LI M W，WANG Y T，GENG J，et al.Chaos cloud quantum bat hybrid optimization algorithm[J].Nonlinear Dynamics，2021，103：1167-1193. [75] 周志垚，孙自强.改进量子蝙蝠算法的研究及应用[J].计算机工程与设计，2019，40（1）：84-91. ZHOU Z Y，SUN Z Q.Research and application of improved quantum bat algorithm[J].Computer Engineering and Design，2019，40（1）：84-91. |
全国免费电话：
400-123-4567
