现代社会新能源汽车的利用率越来越高，很多城市都开始推广新能源汽车，政府也开始重视新能源汽车的发展。对于整个配电网来说，对短期新能源汽车充电站的负荷的预测是很有必要的。文中提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN) 与量子遗传算法(QGA) -Elman 组合的模型对相似日新能源汽车充电站进行负荷预测。利用新能源汽车充电站所给的相似日的历史数据作为输入参数训练所建立的模型来预测次日的发电量。该组合模型在减小预测误差方面有所改进，研究的问题有一定应用价值。

针对无线频谱资源利用率低的问题，提出一种基于改进云量子遗传算法(MCQGA)的动态频谱分配方法。该方法可动态调整量子门旋转角，基于云理论进行交叉和变异操作，以图论着色模型为基础，综合考虑最大化平均系统收益、最大化最小带宽和最大化比例公平性度量进行频谱分配。选取粒子群算法、传统遗传算法和基本量子遗传算法进行对比仿真实验，仿真结果表明，该方法更适用于解决频谱分配问题。

润滑油动力粘度是划分润滑油品质的重要依据之一, 高铁变速箱润滑油需要进行实时、 快速、 无损的检测, 因此提出一种基于可见近红外光谱微型模块结合量子遗传-神经网络算法对润滑油粘度值进行定量分析的新方法。 不仅实现了高铁变速箱润滑油动力粘度的无损快速实时检测, 还进一步提高了对润滑油动力粘度预测的精度。 微型光谱仪具有性能优良、 体积小巧等优势, 在便携式光谱无损检测方面用途越来越多。 在这里, 选用可见短波近红外和近红外波导光栅两种微型光谱模块进行光纤耦合, 实现了330～1 700 nm可见-近红外波段光谱拼接。 首先我们采用该组合微型光谱仪对13种不同粘度的润滑油共78个样本进行光谱扫描得到原始光谱数据。 原始光谱经过Savitzky-Golay卷积平滑后, 再一阶求导, 可以有效地消除基线漂移和背景噪声。 然后采用主成分分析和马氏距离相结合的方法来识别浓度界外样本, 剔除界外样本3个。 最后采用BP(back propagation)神经网络和量子遗传神经网络两种回归算法分别建立定量分析模型, 并对比分析了两种算法的性能。 量子遗传算法是量子计算和遗传算法相结合地一种概率进化算法, 采用量子染色体的形式, 利用量子逻辑门进行全局搜索, 从而可以利用量子遗传算法优化神经网络地权重和阈值, 提高建模效率和精度。 分别用BP神经网络算法和量子遗传-神经网络算法进行建模仿真, 从75个样本随机抽取10个样本作为预测集, 其余65个为建模集。 在量子遗传寻优算法中, 其种群数目设置为40, 终止代数为200, 寻优结果表明该算法在训练81代后可快速得到最优解。 比较两种建模算法的预测结果, 采用量子遗传-神经网络算法相比BP神经网络算法得到的粘度预测结果均方根误差从0.345 5降低至0.029 4, 决定系数从0.850 4升至0.979 9, 可知量子遗传-神经网络算法的预测能力明显强于BP神经网络。 为进一步提高润滑油粘度的定量分析准确度和微型光谱模块应用于高铁齿轮箱润滑油在线、 实时、 快速检测提供了参考方法。

为了有效解决图像融合中存在的光谱失真和空间细节信息缺失问题,提出一种基于改进引导滤波和量子遗传算法的图像融合方法。首先对多光谱图像进行上采样,并采用改进引导滤波对全色图像进行拟合处理,然后选用量子遗传算法对新的全色图像进行优化。依据小波变换法分别对多光谱图像和全色图像展开分解,选取高频部分进行加权平均融合,低频部分采用像素取大原则,最后通过小波逆变换得到融合图像。实验结果表明,改进方法能够有效提升图像的平均梯度、信息熵等指标,使得融合图像的光谱失真现象得到改善,边缘细节信息得到增强,视觉效果良好。

光电二极管是一种体积小、成本低的感光传感器, 由至少三个配合可实现太阳矢量的测量, 从而可以作为低精度的太阳敏感器。为了尽可能实现在360°视场空间任意方位求解太阳矢量, 如何选择光电二极管数量并确定其布局方式是一个难点。文中首先将360°视场空间等表面积离散化, 将无限的传感器的布局优化问题转换为有限的组合优化(NP问题难)。然后, 通过建立覆盖度和均匀度的多目标优化函数, 并结合量子遗传算法求解最优方案。实验分析了不同光电二极管数量和视场范围的布局效果, 对多光电二极管的布局优化提供了理论性依据。实验结果显示, 选择12~14个光电二极管可以基本实现无覆盖风险和均匀风险的布局。

对异结构超混沌系统的反同步问题进行了研究。利用量子遗传算法(QGA)对反馈增益矩阵 进行了参数优化,克服了反馈增益中参数不易整定的缺点。数值仿真结果表明,QGA结合反馈反 同步法能使异结构的超混沌Chen系统和Lorenz系统在短时间内迅速达到反同步,体现了该算法的 优越性,并验证了QGA在解决异结构反同步问题上的可行性及有效性。

针对传统基于归一化非完全Beta函数(Normalized Incomplete Beta Function, NIBF)的图像增强方法难以有效地自动获取最优参数且其增强效果受图像动态范围限制的问题, 提出一种基于自适应量子遗传算法的NIBF遥感图像自动增强方法。首先, 由图像色深, 对待增强图像引入最大和最小光谱测度级, 扩大其动态范围。其次, 利用量子比特将NIBF参数编码为量子染色体, 并设置若干量子染色体构成初始参数种群; 对该参数种群进行测量和解码, 以解码值作为NIBF的参数输入, 对图像进行光谱测度变换, 得到对应的增强图像种群。然后, 利用八方向边缘检测模板提取增强图像种群中每个个体的边缘图像, 由边缘强度、边缘数以及熵测度定义刻画参数种群中个体品质的适应度函数, 并以此评价参数种群中的每个参数个体, 保留和记录最优参数个体。在提出的进化策略中, 利用量子旋转门实现量子染色体向最大适应度方向进化, 并根据每代适应度的差异和进化代数自适应地调整量子旋转角的大小; 以最终演化的参数种群中适应度最大的参数个体作为NIBF的最优参数, 生成相应的光谱测度变换曲线, 从而确定输入和输出光谱测度之间的映射关系, 实现图像最优自动增强。对5幅图像的平均实验结果表明: 盲/无参考图像空域质量评价指标提升了122.2%; 自然图像质量评价指标提升了71.8%; 运行时间为10.758 s。满足了遥感图像增强处理中的自动化、鲁棒性和高效率的要求。

提出了一种基于量子遗传算法的宽带极紫外多层膜的离散化设计方法, 解决了在膜系设计中普遍采用的遗传算法存在求解精度低的问题.同时在基于量子遗传算法的膜系设计方法中对膜系进行了离散化设计, 解决了在仅由时间控制膜厚且沉积速率较大的镀膜系统中的膜厚高精度控制的问题.依据量子遗传算法的膜系设计结果采用磁控溅射镀膜系统镀制宽带极紫外多层膜.测试结果表明, 宽角度极紫外多层膜的入射角为0°~15°, 反射率达45%以上; 宽光谱极紫外多层膜的入射波长为13~15 nm, 反射率达20%以上.相关研究工作为宽带极紫外多层膜的研发提供了另一种可供选择的且较优的搜索优化算法, 同时该算法结合实验, 实现膜厚的离散化设计, 使镀制出的多层膜具有较好的光谱性能.