李亚龙
- 作品数：5 被引量：42H指数：3
- 供职机构：安徽大学计算机科学与技术学院更多>>
- 发文基金：安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于MapReduce的量子蚁群算法被引量：3
- 2013年
- 量子蚁群算法是在蚁群算法的基础上结合量子计算而提出的,该算法具有较好的全局寻优能力和种群多样性。应用MapReduce的key/value编程模型,将量子蚁群算法并行化,提出了基于MapReduce的量子蚁群算法(MQACA),并将其部署到Hadoop云计算平台上运行。对0-1背包问题的测试结果证明,随着数据规模的扩大和并行程度的提高,MQACA具有良好的加速比和并行效率。
- 贾瑞玉李亚龙
- 关键词：量子蚁群算法云计算MAPREDUCE模型
- 求解旅行商问题的混合量子蚁群算法被引量：13
- 2013年
- 针对蚁群算法求解旅行商问题时易陷入局部最优和收敛速度慢的问题,提出一种新的求解旅行商问题的混合量子蚁群算法。该算法采用量子比特的概率幅对各路径上的信息素进行编码,采用量子旋转门及蚂蚁走过的路径对信息素进行更新,设计一种新的变换邻域准则。基于TSPLIB的仿真实验结果表明了该算法具有较快的收敛速度和求解精度。
- 贾瑞玉李亚龙管玉勇
- 关键词：量子蚁群算法旅行商问题
- 求解QoS最佳路由选择问题的量子蚁群算法被引量：4
- 2014年
- 在网络通信性能优化问题,针对传统智能算法在求解QoS路由选择问题时存在易于陷入局部最优和搜索时间长的缺陷,提出了一种将量子计算和蚁群算法融合的最佳路由选择算法。以数据报的传输费用和时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表更新方式,采用量子比特的概率幅对各链路上的信息素进行编码,动态调整旋转角对信息素进行更新,加快算法收敛速度,并避免陷入局部最优。仿真结果表明,提出的算法具有较强的全局搜索能力,较快的收敛速度,能有效地解决最佳路由选择问题。
- 王宏霞李亚龙
- 关键词：量子计算蚁群算法
- 基于MapReduce模型的并行遗传k-means聚类算法被引量：22
- 2014年
- 为了提高遗传k-means算法时间效率和聚类结果的正确率,利用遗传算法的粗粒度并行化设计思想,提出了在Hadoop平台下将遗传k-means算法进行并行化设计。将各个子种群编号作为个体区分,个体所包含的各个聚类中心和其适应度作为值共同作为个体的输入;在并行化过程中,设计了较优的种群迁移策略来避免早熟现象的发生。实验对不同的数据集进行处理,实验结果表明,并行化的遗传k-means算法在处理较大数据集时比传统的串行算法在时间上和最后的结果上都具有明显的优越性。
- 贾瑞玉管玉勇李亚龙
- 关键词：遗传算法K-MEANS算法MAPREDUCE模型HADOOP平台并行化
- 改进量子蚁群算法的研究及应用
- 量子计算具有许多优良的特性,如并行性、存储容量达指数级以及指数加速等,当今许多国家都对其进行研究,并把其列为本国重点研究的前沿学科。量子理论中定义的量子态的叠加、纠缠和干涉等特征可以解决传统计算中的许多难题,量子计算因其...
- 李亚龙
- 关键词：量子计算组合优化量子蚁群算法云计算TSP
- 文献传递
