[1] 段海斌,罗清宁.群智能计算的新进展[J]。国际生物灵感计算杂志,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.量子群智能优化算法及其应用[D]。上海:上海理工大学,2014。 [3] 张大可.现代设计方法[M] ●●●●。北京:机械工业出版社,2014:64-66. 张德康。现代设计方法[M]。北京:中国机械工业出版社,2014:64-66 [4] HOLLAND H J.遗传算法与试验的最优分配[J]。《亚洲批判研究》,1973,2(2):88-105。 [5] DORIGO M.优化学习和自然算法[D]。意大利:米兰理工大学,1992年。 [6] KENNEDY J,EBERHART R.粒子群优化[C]//神经网络国际会议论文集,澳大利亚华盛顿州珀斯,1995:1942-1948。 [7] KARABOGA D,BASTURK B.关于人工蜂群算法的性能[J]。应用软计算,2008,8(1):687-697。 [8] YANG X S,SADAT H S S,GANDOMI A H.求解具有阀门负荷效应的非凸经济调度问题的Firefly算法[J]。应用软计算,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. 周永林.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。 [10] 段海斌,乔培新.基于智能优化的空中机器人路径规划的新型群智能优化算法[J]。国际智能计算与控制论杂志,2014,7(1):24-37。 [11] 费曼R.用计算机模拟物理学[J]。国际理论物理杂志,1982,21(6):467-488。 [12] SHOR P W.量子计算算法:离散对数和因子分解[C]//第35届计算机科学基础年会论文集,圣菲,新墨西哥州,美国,1994:124-134。 [13] GROVER L K.用于数据库搜索的快速量子力学算法[C]//第28届ACM计算理论研讨会论文集,1996:212-219。 [14] AJIT N,MARK M.量子遗传算法优化[C]//IEEE进化计算国际会议论文集,1996:61-66。 [15] HAN K H,KIM J H。遗传量子算法及其在组合优化问题中的应用[C]//2000年IEEE进化计算大会论文集,2000:1354-1360。 [16] 孙杰,冯B,徐文斌.具有量子行为粒子的粒子群优化[C]//2004年进化计算大会论文集,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. 李保诚,李世英.连续空间优化的量子蚁群算法[J]。控制理论与应用,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.一种新的二进制编码量子鱼群算法[J]。计算机知识与技术,2008(S1):52-53。 [19] 高海英,刘永强,刁M.基于量子蜂群优化的鲁棒多用户检测[J]。国际创新计算与应用杂志,2011,3(3):160-168。 [20] LAYEB A.一种新颖的量子启发布谷鸟背包问题搜索[J]。国际生物灵感计算杂志,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.混合蛙跳算法改进及控制参数优化的仿真研究[D]。哈尔滨:哈尔滨工业大学,2011。 [22] 张剑飞,杜晓昕,王波.基于量子萤火虫和增益贝塔DR图像自适应增强[J] ●●●●。微电子学与计算机,2014,31(5):135-139. 张继发,杜晓霞,王斌.基于量子萤火虫和增益β的医学DR图像自适应增强[J]。微电子与计算机,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 李振英.Bat算法及其在函数优化中的应用[D]。上海:上海理工大学,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 赵立勇。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年。 [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。旅行商问题的改进量子蚁群算法[J]。计算机工程与应用,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] .《中国日报》,2013,17(2):19-26。 HE X F,MA L.图着色问题的量子蚁群算法[J]。运筹学杂志,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.求解0-1背包问题的Quantum启发蚂蚁算法[J]。计算机工程与应用,2011,47(16):29-31。 [28]CHEN X F,XIA X Y,YU R Y。基于Bloch坐标的量子蚁群算法[J]。计算机杂志,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] .建设报,2009,60(2):401-408。 王磊,王晓天,于俊生.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。 [30] 李絮,刘争艳,谭拂晓.求解TSP公司的新量子蚁群算法[J] ●●●●。计算机工程与应用,2011,47(32):42-44. 李霞,刘振英,谭福霞.求解TSP的新型量子蚁群算法[J]。计算机工程与应用,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.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。 [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.基于改进量子蚁群算法的动态最优路径制导研究[D]。哈尔滨:哈尔滨工程大学,2015。 [33]夏国强,韩志伟,赵B,等.基于改进量子蚁群算法的无人水面飞行器全局路径规划[J/OL]。工程中的数学问题:文章ID 2902170。(2019-04-24)[2021-07-01]。https://doi.org/10.1155/2019/2902170。 [34]王L.一种新型量子蚁群优化算法及其在故障诊断中的应用[J]。计量控制研究所学报,2008年,30(3/4):313-329。 [35]LI F,LIU M,XU G W.无线传感器网络中的量子蚁群多目标路由算法及其在制造环境中的应用[J]。传感器,2019,19(15):3334。 [36]LI J J,XU B W,YANG Y S,et al.基于信息素Bloch坐标的AGV路径规划量子蚁群优化算法[J]。自然计算,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] .《太阳报》(自然科学版),2020,32(6):490-495. 李晓峰,焦海生,李丹.基于量子蚁群算法的医学图像阈值分割算法[J]。沈阳大学学报(自然科学版),2020,32(6):490-495。 [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. 杨世新,李宝川.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。 [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] .北京,2011,33(5):786-790。 刘毅,马琳.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。 [40]王晓英,张海明,高海海.基于量子粒子群优化的网络入侵特征选择与检测[J]。国际会计师联合会会议记录卷,2008,41(2):12312-12317。 [41]KHAYYATZADEH M,TOUSI B.基于量子粒子群优化的分布式静态串联补偿器抑制电力系统振荡[J]。电力部件和系统,2013,41(7):729-746。 [42]CH S,ANAND N,PANIGRAHI B K,等.基于量子粒子群优化的SVM水流预测[J]。神经计算,2013101:18-23。 [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. 高H,徐文斌,孙J.基于量子粒子群优化算法的图像分割[J]。计算机工程与应用,2007,43(33):24-25。 [44]RADHA R,GOPALAKRISHNAN R.基于改进量子粒子群优化的智能模糊水平集脑图像分割医学分析系统[J]。微处理器和微系统,2020,79:103283。 [45]赵晓光,梁杰,孟杰,等.环境经济调度的改进量子粒子群优化算法[J]。应用专家系统,2020152:113370。 [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 金平。改进的量子粒子群算法及其在优化问题中的应用研究[D]。徐州:中国矿业大学,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. 赵国X,陈振林,魏振海.混合自适应量子粒子群优化算法[J]。微电子与计算机,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公司(自然科学版),2021,16(1):26-31. 刘晓光,宋伟庚.基于量子人工鱼群算法的K-mediods聚类挖掘研究[J]。贵阳大学学报(自然科学版),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] .中国,2009,22(6):1-4。 王立中,李春晖,LUO X H,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。 [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 张凯。基于自适应量子人工鱼群算法的动态路径制导研究[D]。沈阳:东北大学,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] .仿,2019,36(10):368-372。 邢海英,韩杰,刘刚.基于量子人工鱼群优化的随机共振弱信号检测[J]。计算机模拟,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] .工程,2019,22(6):33-37。 LI G.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。 [53]高海英,刘永清,刁M.基于量子蜂群优化的鲁棒多用户检测[J]。国际创新计算与应用杂志,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. 邓世凯,毛毅.基于量子人工蜂群算法的配电网多目标优化重构[J]。湖南师范大学学报,2021(2):80-86。 [55]高海英,李春伟.膜激励量子蜂群优化及其在决策引擎中的应用[J]。中南大学学报,2014,21(5):1887-1897。 [56]HUO F C,SUN X T,REN W J.使用改进的Bloch量子人工蜂群算法进行多级图像阈值分割[J]。多媒体工具和应用,2020,79(3):2447-2471。 [57] 侯国莲,弓林娟.基于量子蜂群聚类的T-S公司模糊建模在智能发电运行控制中应用[J] .德国,2019,48(9):108-114。 HOU G L,GONG L J.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的应用[J]。火力发电,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《MPPT》[J].天然气科学,2015,45(12):55-60。 GAO X M,YANG S F,PAN S B.基于混沌量子激励人工蜂群优化SVR的多峰值MPPT算法研究[J]。电气传动,2015,45(12):55-60。 [59]KARTOUS W,LAYEB A,CHIKHI S.一种新的多序列比对量子杜鹃搜索算法[J]。智能系统杂志,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.量子群优化算法设计及其应用[D]。芜湖:安徽师范大学,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. 杜春斌,泉海德,唐永新,等.基于膜量子杜鹃搜索的双通道网络频谱资源分配[J]。无线电科学杂志,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. 张德毅,王宝腾,袁义斌,等.基于改进布谷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。 [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] 信息技术,2017,46(4):408-414。 刘志刚,杜杰,徐世华,等.基于量子正交交叉的量子杜鹃搜索算法[J]。信息与控制,2017,46(4):408-414。 [64]BOUSHAKI S I,KAMEL N,BENDJEHABA O.一种新的用于数据聚类的量子混沌杜鹃搜索算法[J]。专家系统与应用,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] .信息,2013,29(8):1003-1011。 张强,徐世华,刘立杰.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。 [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. 陈国勇,何杰,史伟杰,等.基于量子混合蛙跳算法的分布式发电配电网无功优化[J]。电网与清洁能源,2015,31(5):36-41。 [67]王晓明,刘斯,李清明,等.水下声纳图像检测:一种新的量子激励的混合蛙跳算法[J]。中国电子学报,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 赵jL.量子萤火虫算法的改进及其在图像阈值分割中的应用[D]。银川:宁夏大学,2019年。 [69]SHAREEF H,LBRAHIM A A,SALMAN N,等.利用量子萤火虫算法通过优化网络重构提高配电系统的电能质量和可靠性[J]。国际电力和能源系统杂志,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] 信息技术,2016,45(2):211-217。 QI X M,WANG H T,YANG J,等.量子萤火虫算法及其在无等待流调度中的应用[J]。信息与控制,2016,45(2):211-217。 [71]陶世斌,刘德Z,唐安平,等.量子遗传萤火虫算法在桥梁临界状态搜索中的应用[J]。冲击与振动,2019(2):1-10。 [72]HUO L,WANG Z L,LI R X.服务组合的Quantum-baved bat算法[C]//第二届国际通信技术会议论文集。梅尔布姆:信息工程研究所出版社,2015:8。 [73]HUANG X W,LI C P,PU Y M,et al.用于数值函数优化的具有平均最佳位置方向的高斯量子蝙蝠算法[J]。计算智能与神经科学,2019(9):1-18。 [74]李明伟,王义堂,耿杰,等.混沌云量子蝙蝠混合优化算法[J]。非线性动力学,2021103:1167-1193。 [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. 周志毅,孙志清.改进量子蝙蝠算法的研究与应用[J]。计算机工程与设计,2019,40(1):84-91。
|