Квантовый генетический алгоритм: выбор типа и вида корреляции в квантовом нечетком выводе
Боковая панель статьи
Основное содержимое статьи
Аннотация
В данной статье рассматриваются вопросы разработки робастных интеллектуальных систем управления, особое внимание уделяется алгоритму квантового нечеткого вывода, в частности этапу определения типа и вида квантовой корреляции. Автоматизация выбора типа и вида квантовой корреляции осуществляется при помощи квантового генетического алгоритма, анализ и выбор структуры которого рассматривается в данной статье
Скачивания
Информация о статье
Библиографические ссылки
Ульянов С.В., Николаева А.В., Решетников А.Г. Интеллектуальные системы управления в непредвиденных ситуациях. Оптимизатор баз знаний на мягких вычислениях. — LAP LAMBERT Acad. Publ., OmniScriptum GmbH & Co. KG, 2013.
Ульянов С. В. Интеллектуальное робастное управление: технологии мягких вычислений / С.В. Ульянов и др. — М.: ВНИИгеосистем, 2011. — C. 408.
Ulyanov S.V, et all System and method for nonlinear dynamic control systems based on soft computing with discrete constraints. — Patent US 6,950,712 B2, 2005.
Ульянов С. В. Интеллектуальные системы управления: в 5 т. Т. 4. Оптимизатор баз знаний на квантовых вычислениях: в 2 ч. Ч. 1. Квантовая самоорганизация баз знаний и квантовый нечеткий вывод : учеб. пособие / С. В. Ульянов и др. — Дубна : Междунар. ун-т природы, о-ва и человека «Дубна», 2014. — C. 221.
Ульянов С. В. Интеллектуальные системы управления: в 5 т. Т. 3. Оптимизатор баз знаний на мягких вычислениях: в 2 ч. Ч. 1. Обучение, адаптация и моделирование : учеб. пособие / С. В. Ульянов и др. — Дубна : Междунар. ун-т природы, о-ва и человека «Дубна», 2014. — C. 170.
Ульянов С. В. Интеллектуальные системы управления : в 5 т. Т. 3. Оптимизатор баз знаний на мягких вычислениях: в 2 ч. Ч. 2. Интеллектуальные регуляторы и робототехника : учеб. пособие / С. В. Ульянов и др. — Дубна: Междунар. ун-т природы, о-ва и человека «Дубна», 2014. — C. 169.
Ульянов С. В. Интеллектуальные системы управления : в 5 т. Т. 4. Оптимизатор баз знаний на квантовых вычислениях: в 2 ч. Ч. 2. Самоорганизующиеся интеллектуальные системы управления : учеб. пособие / С. В. Ульянов и др. — Дубна : Междунар. ун-т природы, о-ва и человека «Дубна», 2014. — C. 182.
Ulyanov S.V. Self-organizing quantum robust control methods and systems for situations with uncertainty and risk. — Patent US 8788450 B2, 2014.
Ulyanov S.V., et all. Quantum swarm model of self-organization process on quantum fuzzy inference and robust wise control design // Proc. 7th Intern. Conf. Appl. of Fuzzy Systems and Soft Computing (ICAFS’2006), Siegen, Germany, 2006. — Pp. 10-19.
Sandberg H., et all. Maximum work extraction and implementation costs for nonequilibrium Maxwell’s demon // Physical Review E. — 2014. — № 4. — Pp. 042119.
Ульянов С.В., Решетников А.Г. Синергетика информационно-когнитивного взаимодействия в интеллектуальных робототехнических системах с дистанционным обменом знаниями // Программные Продукты и Системы. Межд. Журнал. — 2017. — №
Ульянов С.В. Квантовая релятивистская информатика. — LAP LAMBERT Acad. Publ., OmniScriptum GmbH & Co. KG, 2015.
Ульянов С.В., Решетников Г.П., Решетников А.Г. Технологии интеллектуальных вычислений. Квантовые вычисления и программирование в самоорганизующихся интеллектуальных системах управления. — Дубна: Изд-во УНЦ ОИЯИ, 2015.
Sieniutycz S. Hamilton-Jacobi-Bellman framework for optimal control in multistage energy systems // Physics Reports. — 2000. — V. 326. — № 2.
Нефёдов Н.Ю., Ульянов С.В. Моделирование квантового поискового алгоритма Гровера на классическом компьютере // Системный анализ в науке и образовании: сетевое научное издание. — 2010. — №2. — [Электронный ресурс]. URL: http://sanse.ru/download/53.
Ulyanov S.V. Quantum soft computing in control process design: quantum genetic algorithms and quantum neural network approaches // Proc. World Automation Congress: 5 th Intern. Symp. on Soft Computing for Industry. — Seville, Spain, 2004 (paper ISSCI28).
Huaixiao Wang, Jianyong Liu, Jun Zhi. The improvement of quantum genetic algorithm and its application on function optimization — College of Field Engineering, PLA University of Science and Technology, Nanjing 210007, China, 2013.
Malossini A., Blanzieri E., Calarco T. QGA: A quantum genetic algorithm // Technical Report # DIT04-105. — University of Toronto. — 2004.
Lahoz-Beltra R. Quantum genetic algorithms for computer scientists // Computers. — 2016. — Vol. 5. — P. 24.