量子克隆遗传算法的多用户检测技术研究
免疫算法的克隆选择过程
免疫算法的克隆选择过程 % 二维人工免疫优化算法 % m--抗体规模 % n--每个抗体二进制字符串长度 % mn--从抗体集合里选择n个具有较高亲和度的最佳个体进行克隆操作 % A--抗体集合(m×n),抗体的个数为m,每个抗体用n个二进制编码(代表参数) % T--临时存放克隆群体的集合,克隆规模是抗原亲和度度量的单调递增函数% FM--每代最大适应度值集合 % FMN--每代平均适应度值集合 % AAS--每个克隆的最终下标位置 % BBS--每代最优克隆的下标位置 % Fit--每代适应度值集合 % tnum--迭代代数 % xymin--自变量下限 % xymax--自变量上限 % pMutate--高频变异概率 % cfactor--克隆(复制)因子 % Affinity--亲和度值大小顺序 %% clear all clc tic; m=65; n=22; mn=60; xmin=0; xmax=8; tnum=100; pMutate=0.2; cfactor=0.1; A=InitializeFun(m,n); %生成抗体集合A,抗体数目为m,每个抗体基因长度为n F='X+10*sin(X.*5)+9*cos(X.*4)'; %目标函数 FM=[]; %存放各代最优值的集合 FMN=[]; %存放各代平均值的集合 t=0; %% while t 论克隆技术的利与弊 湘潭大学化工学院环境科学与工程 LYL 摘要：自从克隆羊多利诞生以来,有关克隆技术的伦理学争论就一直喋喋不休。本文分析了克隆技术的发展过程,论述了克隆技术在科学技术中的应用前景,并对其所引出的伦理、道德等问题进行了探讨。 关键词:克隆,多利,伦理. 前言 1997年2月27日,著名的《自然》杂志发表了苏格兰罗斯林研究所威尔莫特(Ian Wilmut)等人撰写的实验研究论文,作者声明采用动物体细胞核移植技术(也即人们常说的克隆技术)成功产生出一例小羊羔,后来被命名为“多利”。许多人赞誉这是一项划时代的科学成果。例如,中国科学院院士邹承鲁先生曾经指出,“克隆羊”的出生是生物工程技术发展史中的一个里程碑[1]。同时,一石激起千层浪,宗教人士、法律专家、哲学家、社会学家等对克隆技术派生出的治疗性克隆和生殖性克隆产生强烈反响,并引发伦理问题的广泛争议。 1克隆技术的发展 1952年,科学家用青蛙进行克隆实验。从此以后,动物克隆的试验结果不断涌现。1970年克隆青蛙实验取得突破,青蛙卵发育成了蝌蚪。1984年第一只胚胎克隆羊诞生。1997年2月24日,英国罗斯林研究所的科学家用取自一只6岁成年羊的乳腺细胞培育成功一只克隆羊。1998年7月,日本科学家利用成年动物体细胞克隆的两头牛犊诞生。2000年1月,美国科学家宣布克隆猴成功。2000年3月14日,曾参与克隆小羊“多利”的英国PPL公司宣布,他们成功培育出5头克隆猪。随着一系列克隆技术突破的完成,克隆人从技术上来讲已成为可能。有的科学家认为,从技术上说克隆人并不比克隆其它哺乳动物更困难。克隆人即将出世的消息也不断传来。意大利著名的“克隆狂”安蒂诺里曾宣布,克隆胎儿将于2003年1月问世。2003年第一期《发现》杂志也把2002年“命名”为“克隆年”,理由是克隆技术在当时已经进入了克隆人的阶段。该杂志断言:“虽然世界不想要克隆人,但克隆 量子克隆进化算法 刘 芳,李阳阳 (西安电子科技大学计算机学院,陕西西安710071) 摘 要: 本文在量子进化算法的基础上结合基于克隆选择学说的克隆算子,提出了改进的进化算法———量子克 隆进化策略算法(QCES ).它既借鉴了量子进化算法的高效并行性又利用克隆算子来代替其中的变异和选择操作,以增加种群的多样性,避免了早熟,且收敛速度快.本文不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了此算法的优越性. 关键词: 克隆算子;进化算法;量子克隆进化策略中图分类号: T N957 文献标识码: A 文章编号: 037222112(2003)12A 22066205 Quantum Clonal Evolutionary Algorithms LI U Fang ,LI Y ang 2yang (Institute o f Computer ,Xidian University ,Xi ’an ,Shaanxi 710071,China ) Abstract : Based on the combining of the quantum ev olutionary alg orithms (QE A )with the main mechanisms of clone ,an im 2proved ev olutionary alg orithm —quantum clonal ev olutionary strategies (QCES )was proposed in this paper.By adopting the high 2effec 2tive parallelism of QE A and replacing clone operator by mutation and selection of the classical ev olutionary alg orithms (CE A ),it has better diversity and the converging speed than CE A and av oided prematurity.The convergence of the QCES is proved and its superiori 2ty is shown by experiments in this paper. K ey words : clone operator ;ev olutionary alg orithm ;quantum clonal ev olutionary strategies 1 引言 计算是人类思维能力的最重要的方面之一,计算能力的提高与人类文明进步息息相关.从古老的算盘到现代的超级计算机,人类的计算技术实现了革命性的突破.综观当今,计算机的广泛应用已经并且仍在继续改变着我们的世界.一方面,人们为计算机的神奇能力所倾倒.另一方面,人们也为它无力完全满足实际的需要而烦恼.因此,加速计算机的运算速度以提高计算机的运算能力成为计算机科学的中心任务之一. 如何加快计算机的运算能力呢?这一问题大体可以从两个方面着手解决.一是制造更为先进的计算机硬件,另一则是设计恰当的计算机运算流程,后者可以称之为“算法”.一类模拟生物进化过程与机制来求解问题的自组织、自适应人工智能技术即进化计算(包括用于机器学习问题的遗传算法,优化模型系统的进化规划和用于数值优化问题的进化策略)的出现为我们寻找快速算法提供了新思路.进化计算是一种仿生计算,依照达尔文的自然选择和孟德尔的遗传变异理论,生物的进化是通过繁殖、变异、竞争、选择来实现的,进化算法就是建立在上述生物模型基础上的随机搜索技术.我们所熟悉的 遗传算法(G enetic alg orithms )[1],它通过模拟达尔文的“优胜劣汰,适者生存”的原理鼓励好的个体,通过模拟孟德尔的遗传变异理论在进化过程中保持好的个体,同时寻找更好的个体,由此来模仿一切生命与智能的产生与进化过程.理论上已经证明:进化算法能从概率的意义上以随机的方式寻求到问题的最优解;但在实际应用当中随着问题的复杂和海量的数据量,也出现了一些不尽人意的情况,主要表现在:计算后期解的多样性差即易造成早熟,收敛速度慢等缺点.因此,为克服上述缺点关键是构造性能良好的进化算法. 在改进的进化算法中,有些是将传统寻优算法与遗传算法相结合提出了混合遗传算法[2,3],有些则另辟蹊径提出了新颖的学习算法———量子进化算法[4]和免疫进化算法[5],量子力学是20世纪物理学最惊心动魄的发现之一,量子计算是物理理论与计算机的成功结合,在量子体系中,一位的信息位不在是经典的1比特,而是由两个本征态的任意叠加态所构成即称之为量子比特位(qubit ),例如一个n 位二进制的串在量子体系中就可同时表示2n 个信息,而量子计算机对每个叠加分量(本征态)实现的变换相当于一种经典计算,所有这些经典计算同时完成,并按一定的概率振幅叠加起来,给出量子计算的结果,这种计算称之为量子并行计算[6].正是量子的 收稿日期:2003209210;修回日期:2003212210 基金项目:国家自然科学基金(N o.60133010);国家高技术研究发展计划(863计划)(N o.2002AA135080) 第12A 期2003年12月 电 子 学 报 ACT A E LECTRONICA SINICA V ol.31 N o.12A Dec. 2003 浅谈克隆技术的应用及其发展前景[摘要]：“克隆”是英文单词“Clone”的音译,其本身的含义是无性繁殖。本文主要介绍了克隆技术的概念、应用以及发展前景。 [关键词]：克隆技术、应用、发展、前景 克隆是英文“clone”的音译，是利用生物技术与无性生殖产生与原个体有完全相同基因组之后代的过程，科学家把人工遗传操作动物繁殖的过程叫克隆，这门生物技术叫克隆技术，含义是无性繁殖。克隆技术在现代生物学中被称为“生物放大技术”。 作为新世纪的尖端科学，克隆技术从它诞生的那一刻起就吸引了众多世人的目光。目前，克隆技术、基因工程研究正突飞猛进向前发展，基因概念及其理论的建立，打开了人类了解生命并控制生命的窗口。基因研究已成为当前科学研究中最有决定性的领域之一，成为推动生物、食品和制药产业发展的引擎。众所周知，20世纪遗传学的发展举世瞩目，由于遗传学的发展，科学的社会功能以及社会对科学的制约更受关注，从试管婴儿到克隆技术再到人类基因图谱的绘制无不牵动着世人的心。21世纪是生物技术革命的世纪，克隆技术的应用将促进遗传学，细胞发育生物学，产科学等学科的研究进展，有利于整个世界的科学进步和生活质量的提高，对人类的生活将会产生深远的影响。 一、克隆技术简介 克隆技术，是由同一个祖先细胞分裂繁殖而形成的纯细胞系，该细胞系中每个细胞的基因彼此相同。 克隆通常是一种人工诱导的无性生殖方式或者自然的无性生殖方式（如植物）。一个克隆就是一个多细胞生物在遗传上与另外一个生物完全一样。克隆可以是自然克隆，例如由无性生殖或是由于偶然的原因产生两个遗传上完全一样的个体（就像同卵双生一样）。但是我们通常所说的克隆是指通过有意识的设计来产生的完全一样的复制。 我们可将其研究或操作的对象分为基因克隆、细胞克隆和个体克隆三大类。 基因克隆是指在分子(DNA)水平上开展研究工作以获得大量的相同基因及其表达产物；细胞克隆则是在细胞水平上开展研究工作以获得大量相同的细胞；个体克隆则是经过一系列的操作产生一个或多个与亲代完全相同的个体，这种克隆所用的生物材料可能是一个细胞，也可能是一个组织。可以看出，基因克隆、细胞克隆和个体克隆是在三个不同的层次上开展的研究工作，以原有的基因或细胞或生物个体作为模板，复制出多个与原来模板完全相同的 报告正文 （一）立项依据与研究内容 1。项目的立项依据（研究意义、国内外研究现状及分析、附主要参考文献目录） （1）研究意义 随着石化能源危机的来临以及人们环保意识的加强，世界各国争相发展可再生新兴能源。风电装机容量每年以20％至30％的速度增长，其增长势头迅猛，据专家预测风力发电量在2020年将占全球发电总量的12％。风力发电已经成为解决世界能源问题的不可或缺的重要力量。 但随着投产的风力发电机数量和容量的不断增加，风力发电机组的运行维护、故障检测、诊断技术的优化和改进已成为风力发电亟待解决的新课题。长期以来，风力发电机一直采用计划维修与事后维修方式，计划维修即运行2500h和5000h 后的例行维护，如检查螺栓力矩，加注润滑脂等。该维修体制往往无法全面、及时地了解设备运行状况。而事后维修则因事前准备不足，从而造成维修工作旷日持久，损失重大。并且由于近年来大型风力发电机组研究的快速发展，其机械结构日趋复杂，不同部件之间的相互联系、耦合也更加紧密，一个部件出现故障，将可能导致整个发电过程中断。因此，有必要对风力发电机组的运行状态进行检测跟踪，对其故障征兆进行分析处理，预测分析风力发电机的故障趋势，减少事故发生造成的财产损失，也减少强迫停机的次数，降低发电机的维护费和提高发电机的可用性，指导风电机组的维护与维修。 目前的故障诊断方法虽然为诊断电机的故障起到了重要作用，但也存在如训练仿真模型耗时，需大量的先验知识，对故障样本的学习缺乏自主连续，实时性差等问题。为了提高故障诊断的准确性、实时性及鲁棒性，还需加强新方法的研究，特别是基于生物智能的新方法研究。近年来逐渐发展起来的基于生物免疫机理的人工免疫系统具有多样性、分布式、噪声忍耐、无教师学习、自组织、自适应等特点，不需要反面例子，结合了分类器、神经网络和机器推理等学习系统的一些优点，在复杂系统的故障检测与诊断中具有很大的潜力。通过研究人工免疫系统，可望产生更有效的风力发电机组故障诊断方法。 而传统的故障诊断技术主要依靠单一的故障特征来进行故障判定，且存在样本需求量大及诊断学习缺乏自主连续性等问题，远不能满足现代化生产的要求。受生物免疫系统启发而建立的人工免疫系统蕴含了噪声忍耐、自学习、自组织和自记忆等进化学习机理，为解决旋转机组故障诊断问题提供了一条新的思路，反面选择算法可以有效判断自我-非我状态，并成功地应用于振动信号异常检测，动态规模免疫算法能够通过学习进化保持记忆抗体的多样性，实现较好的故障分类效果，将以上思想应用于故障诊断之中，得到了风力发电机组状态监测与故障 对基于克隆选择和小种群粒子群算法的混杂算法的实证研究 Pinaki Mitra, 学生会员, IEEE, Ganesh K. Venayagamoorthy, 资深会员, IEEE 摘要—本文提出了一种混合算法，基于对克隆选择算法（CSA）和小种群中的粒子群优化（SPPSO）于对克隆选择算法（CSA）和引入小种群粒子群算法，本文 CS P SO）是观察四家已知的基准函数。提出了一种混合算法。演出这种新算法（22 该SPPSO是一个传统PSO的变种（CPSO），是由本文的第二作者提出，初始粒子选择极小数目，经过几次迭代，最好是保留，而且其余颗粒取而代之的是相同的再生粒子数。另一方面，克隆选择算法属于人工免疫系统（AIS）家庭。它是一种进化算法，其中，在进化过程中的抗体能够识别通过克隆增殖的抗原。通过两种算法的混杂，CPSO优化能力得到大幅提升。用较少的内存需求和CSA的概念提高寻优能力和减少收敛到局部最小的可能性使SPPSO概念有助于找到最优解，试CS P SO表现比CPSO和SPPSO在求解Rosenbrock's，Rastrigin's 验结果表明：22 和Griewank's函数时表现更好。 1.引言 粒子群优化（PSO）已被证明有解决单一和多目标的忧化问题巨大潜力 [1]。这是一个简单，灵活和平衡算法为了进行局部和全局搜索过程。在这里，一组的粒子，称为群，在多维空间移动搜索，以找出全局最优解。随着粒子数的大群增加，到一个全局最优解越来越得到更多的保障。原因是越大的搜索空间的探索需要更高的粒子数。但是，正如粒子数的增加，为了运算内存要求也增加了，随着该算法在现实世界实时数字信号处理器或微控制器等应用这常常是不允许的，同样地，如果在首次的几个迭代，一粒子动作非常接近局部极小和没有一个是接近全全局最优解，那儿有一个可能，整个群是被误导收敛到本地极小。 投稿日期2008年6月15日。这项工作是支持的一部分美国国家科学基金会，美国国家科学基金会就业资助下＃ECCS的0348221。 Pinaki Mitra是实时的电源与智能系统实验室，欧洲经委会系，美国密苏里大学和科学技术，罗拉，莫65401，美国（电话：609-384-1302，电子邮件：pm33d@https://www.360docs.net/doc/b22893366.html,）。 Ganesh K. Venayagamoorthy与实时功率和智能系统实验室，欧洲经委会系，美国密苏里大学和科学技术，罗拉，莫65401，美国（电子邮件：gkumar@https://www.360docs.net/doc/b22893366.html,）。 这种情况经常发生在有大量局部极小值的功能函数。为了摆脱这两个问题，SPPSO算法提出了在[2]和[3]。该SPPSO概念是开始几次迭代后用少量的粒子数更换所有的粒子除了全球最佳相同数的再生粒子。在这种方法以来，PSO算法的运 浅谈生物克隆技术及其未来应用问题与前景 肖婷2012333500202 浙江理工大学经管学院工商管理专业 指导老师：解纯刚浙江理工大学生科学院 【摘要】：随着生命科学时代的到来，基因研究已经取得了巨大的进展，克隆技术特别是人的克隆技术作为基因研究的重要组成部分，愈来愈引起社会各界的广泛关注。克隆技术作为人类的创造性活动，有其产生和存在的合理性，在诸多领域蕴藏巨大的应用潜力与巨大应用价值和广阔的发展前景。但克隆技术目前仍存在一些问题,如克隆技术对社会伦理和人类健康的影响。人类克隆技术的进步为人类带来的利益是巨大的,因而它的发展是难以阻止的。应对人类克隆技术带来的巨大挑战。 【关键词】：克隆技术；利弊；社会影响；应用前景 一、克隆是什么？ 克隆是英文Clone一词的音译，意为无性繁殖系，即通过无性繁殖（如细胞丝分裂）可连续传代并形成的群体，常用于细胞水平的描述。克隆的定义是指独立细胞繁殖系，指后代完全由一个细胞复制，具有完全相同的物遗传质。 一个细菌经过20分钟左右就可一分为二；一根葡萄枝切成十段就可能变成十株葡萄；仙人掌切成几块，每块落地就生根；一株草莓依靠它沿地“爬走”的匍匐茎，一年内就能长出数百株草莓苗。凡此种种，都是生物靠自身的一分为二或自身的一小部分的扩大来繁衍后代，这就是无性繁殖。时至今日，“克隆”的含义已不仅仅是“无性繁殖”，凡来自一个祖先，经过无性繁殖出的一群个体，也叫“克隆”。 自然界的许多动物，在正常情况下都是依靠父方产生的雄性细胞（精子）与母方产生的雌性细胞（卵子）融合（受精）成受精卵（合子），再由受精卵经过一系列细胞分裂长成胚胎，最终形成新的个体。这种依靠父母双方提供性细胞、并经两性细胞融合产生后代的繁殖方法就叫做有性繁殖，但是，如果我们用外科手术将一个胚胎分割成两块，四块、八块……最后通过特殊的方法使一个胚胎长成两个、四个，八个……生物体，这些生物体就是克隆个体，而这些个体就叫做无性繁殖系。 二、克隆技术是什么？ 克隆技术是利用生物技术由无性生殖产生与原个体有完全相同基因组织后代的过程。科学家把人工遗传操作动物繁殖的过程叫克隆，这门生物技术叫克隆技术，含义是无性繁殖。 《文献检索与科技论文写作》作业 学生姓名 年级专业 班级学号 指导教师职称 目录 第一部分文献查阅练习 (1) 第二部分文献总结练习 (7) 第三部分科技论文图表练习 (8) 第四部分心得体会 (11) 第一部分文献查阅练习 [1] 谭翠燕,梁汝强,阮康成.量子点在生命科学中的应用.生物化学与生物物理学报,2002 ,34(1):1-5. 摘要:近年来,量子点(半导体纳米微晶体)的研究引起国内外研究者的广泛兴趣 ,其研究内容涉及物理、化学、材料等多学科,已成为一门新兴的交叉学科。虽然量子点在生物学中的应用才刚刚起步,但是已经取得了有意义的进展，成为人们极为注意的一个热点。现就量子点的光学特性、制备方法以及在生物学中的研究进展和应用前景作一简要综述。 关键词：量子点；荧光光谱；蛋白质组学；生物大分子；生物芯片 [2] 张大鹏,黄丛林,王学臣,娄成后.葡萄叶片光合速率与量子效率日变化的研究及 利用.植物学报,1995,37(1):25—33. 摘要：在土壤供水充足的自然条件下,葡萄( VitisviniferaL.)光合子效率在上午最高、尔后下降 ,出现“中午降低”现象。上午光能截留高的叶片的光合量子效率较高 ,中午减叶片光能截留有利于缩小“中午降低”的幅度。一天中始终处于强光照射下的叶片的光合量子效率“中午降低”明显而持久 ,且在下午得不到恢复。光合速率与量子效率的日变化与叶肉对CO2阻力的变化密切相关 ,而与气孔下腔细胞间隙中CO2浓度变化关系不大。在人工气候室中土壤水分、空气湿度、叶温、CO2 浓度等环境因素稳定而适宜的条件下 ,饱和光强以上的光(1200μ mol · m- 2· s- 1)持续照射使葡萄叶片出现“光抑制”;用亚饱和光(1200μ mol · m- 2· s- 1) 和低光(200 μ mol · m- 2· s- 1)持续照射一定时间后,也使叶片光合量子效率比照射开始时随照射时间的持续而不断降低,出现类似于“光抑制”的现象。稍高于补偿光强的弱光(1 00 μ mol ·m- 2· s- 1) 持续照射下叶片光合量子效率稳定不变。讨论了“类似光抑制”现象。实验结果还认为葡萄叶片一天中叶肉阻力的变化与“光抑制”部分地相联。分析调控葡萄光合速率与量子效率日变化的内外因素,指出南北行向叶幕是改善葡萄群体光能利用最理想的受光面系统。 关键词：葡萄；光合量子效率；叶肉阻力；低光下光抑制；光合中午降低⒇ [3] 朱维良,蒋华良,陈凯先,嵇汝运.分子间相互作用的量子化学研究方法.化学进展,19 99年8月,第11卷第3期. ISSN 1000-9825, CODEN RUXUEW E-mail: jos@https://www.360docs.net/doc/b22893366.html, Journal of Software, Vol.20, No.5, May 2009, pp.1269?1281 https://www.360docs.net/doc/b22893366.html, doi: 10.3724/SP.J.1001.2009.03266 Tel/Fax: +86-10-62562563 ? by Institute of Software, the Chinese Academy of Sciences. All rights reserved. ? 抗独特型克隆选择算法 张立宁1,2+, 公茂果1,2, 焦李成1,2, 马文萍1,2 1(西安电子科技大学智能信息处理研究所,陕西西安 710071) 2(西安电子科技大学智能感知与图像理解教育部重点实验室,陕西西安 710071) Clonal Selection Algorithm Based on Anti-Idiotype ZHANG Li-Ning1,2+, GONG Mao-Guo1,2, JIAO Li-Cheng1,2, MA Wen-Ping1,2 1(Institute of Intelligent Information Processing, Xidian University, Xi’an 710071, China) 2(Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education, Xidian University, Xi’an 710071, China) + Corresponding author: E-mail: liningzh@https://www.360docs.net/doc/b22893366.html, Zhang LN, Gong MG, Jiao LC, Ma WP. Clonal selection algorithm based on anti-idiotype. Journal of Software, 2009,20(5):1269?1281. https://www.360docs.net/doc/b22893366.html,/1000-9825/3266.htm Abstract: Based on the antibody clonal selection theory of immunology, an artificial immune system algorithm, clonal selection algorithm based on anti-idiotype (AICSA), is proposed to deal with complex multi-modal optimization problems by introducing the anti-idiotype. This algorithm evolves and improves the antibody population through clonal proliferation, anti-idiotype mutation, anti-idiotype recombination and clonal selection operation, which can perform global search and local search in many directions rather than one direction around the identical antibody simultaneously. Theoretical analysis proves that AICSA can converge to the global optimum. By introducing the anti-idiotype, AICSA can make the most of the structure information of antibodies, accelerate the convergence, and obtain the global optimization quickly. In experiments, AICSA is tested on four different types of functions and compared with the clonal selection algorithm and other optimization methods. Theoretical analysis and experimental results indicate that AICSA achieves a good performance, and is also an effective and robust technique for optimization. Key words: clonal selection; anti-idiotype; evolutionary algorithm; artificial immune system; numerical optimization 摘要: 基于免疫学中的抗体克隆选择学说,通过引入抗独特型结构,提出了一种用于求解复杂多峰函数优化问 题人工免疫系统算法——抗独特型克隆选择算法.该算法通过克隆增殖操作、抗独特型变异操作、抗独特型重组操 ? Supported by the National Natural Science Foundation of China under Grant No.60703107 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2009AA12Z210 (国家高技术研究发展计划(863)); the National Basic Research Program of China under Grant No.2006CB705700 (国家重点基础研究发展计划(973)); the Program for New Century Excellent Talents in University under Grant No.NCET-08-0811 (新世纪优秀人才支持计划); the Program for Cheung Kong Scholars and Innovative Research Team in University of China under Grant No.IRT0645 (长江学者和创新团队发展计划) Received 2007-09-04; Accepted 2008-01-29 —22— 量子密钥分发误码协调算法分析 赵 峰，王发强，郑力明，路轶群，刘颂豪 (华南师范大学信息光电子科技学院光子信息技术广东省高校重点实验室，广州 510006) 摘 要：误码消除是量子密钥分发过程的关键技术之一。分析了奇偶-汉明单向函数纠错算法的原理，给出了对原始量子密钥进行误码协调的步骤及表达式，对这种算法的纠错能力进行了理论和实验分析。结果显示，当原始密钥误码率为11%时，利用该纠错技术能够完全消除误码，且最终密钥生成效率与密钥的原始误码率直接相关。 关键词：误码协调；奇偶比较；汉明码；量子密钥分发 Error Reconciliation Algorithm for Quantum Key Distribution ZHAO Feng, WANG Faqiang, ZHENG Liming, LU Yiqun, LIU Songhao (Lab of Photonic Information Technology, School of Information and Optoelectronic Science and Engineering, South China Normal University, Guangzhou 510006) 【Abstract 】Error reconciliation is a necessary step for quantum key distribution process. The efficiency and the correction ability of error reconciliation procedures are analyzed and estimated, and it gives some expressions about it. The experiment results indicate that it can easily eliminate all errors when the error rate is at 11%. 【Key words 】Error reconciliation; Parity comparison; Hamming codes; Quantum key distribution 计 算 机 工 程Computer Engineering 第33卷 第12期 Vol.33 No.12 2007年6月 June 2007 ·博士论文· 文章编号：1000—3428(2007)12—0022—03 文献标识码：A 中图分类号：TP391 量子密钥分发使得合法通信双方Alice 和Bob 在异地可 以随时建立起秘密的随机序列，通常称为密钥，其安全性由海森堡的不确定性原理和量子不可克隆定理保证。然而，由于实际量子信道存在不可避免的噪声，以及非法窃听者干扰，使得合法双方生成的密钥中存在一定的误码。因此，当密钥分发完成后，若其误码率在一定范围内，则通信双方通常利 用保密纠错技术来消除误码[1~4]。 量子密钥分发过程一般需要4个步骤：量子传输，数据筛选，保密数据纠错和信息保密增强。经典通信中的误码消除技术常常会伴随通信信息的泄漏。实际量子保密通信误码消除过程需要极少的泄漏密钥的信息，并且泄漏的信息可以通过保密增强技术来消除[5,6]。 数据纠错技术是通信系统中不可缺少的部分，在量子保密通信中通常利用奇偶比较方法来构造各种纠错协议[7,8]，通常双方按照协议将生成的密钥分成段，并计算其奇偶性，然后在经典信道中进行奇偶比较。为了消除窃听者获得的信息，在每次比较结束双方丢掉一位。利用奇偶比较完全消除误码，需要多次在经典信道上进行通信。由于通信的次数会随着密钥长度增加而增加，通常n 位的序列需要2log n 次通信[7]，并且，为了安全起见每次通信前需要身份认证[9] ，这样完全消除密钥误码过程需要的时间随着密钥增加而增加。 二元汉明码的纠错能力为1=t ，利用汉明码的校验矩阵h 来构造校验码，Alice 和Bob 双方通过比较校验码来验证共享密钥的完整性，在文献[10]中用于量子密钥分发误码协 调[10]。本文对奇偶-汉明纠错算法在量子密钥分发过程中的应用进行分析。 1 奇偶-汉明纠错算法 奇偶-汉明纠错算法利用了奇偶比较来检误，比较汉明校验码进行纠错。由于二元汉明码的纠错能力为1，当某段的误码多于一个时利用汉明算法可能会引入误码。因此，汉明算法仅仅当密钥误码率很低，每段含一个误码以上可能很小时是很有效的。Alice, Bob 首先利用奇偶比较方法对误码进行一次比较，若奇偶性一致，则表示该段中没有误码或含有偶数个误码；若奇偶不一致，则表示含有奇数个误码，当误码率较低而且服从二相分布，则存在一个误码的概率远远大于奇数多个。然后利用汉明纠错方法对奇偶性不一致的进行纠错。通常为了减少泄漏的信息，在奇偶比较结束时丢掉最后一位。而利用汉明纠错算法则需丢掉m 位，其位置为{}{}2(0,...,1)i i m ∈?。 二元汉明校验矩阵()(3)m h m ≥，表述为 ) 2](mod 2[1 )(,?=i m j i j h (1) 例如当3≡m 时，其矩阵表示为 ? ?????????=000111101100111010101)3(h (2) 利用校验矩阵构造校验码{}1,...,i S S i m ==，，则i S 为 {}m j m j i j i m h X S 1,0)2(mod 121)(,∈??? ?????=∑?= (3) 其中，1 1,...,2m j X j ?=（）为合法通信双方（Alice,Bob ）含有误码的一段密钥序列。双方进行纠错过程中在经典信道上发送 {}i S S =，而不发送j X 本身。 利用奇偶-汉明纠错算法过程如下：Alice 和Bob 选择相 基金项目：国家“973”计划基金资助项目(G2001039302) 作者简介：赵 峰(1979－)，男，博士生，主研方向：量子信息技术；王发强、郑力明，副教授；路轶群，研究员；刘颂豪，院士 收稿日期：2006-08-10 E-mail ：qkd@https://www.360docs.net/doc/b22893366.html, 人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统。利用免疫系统的克隆选择机制，提出一种用于函数优化的改进免疫算法。其主要特点是采用克隆和自适应变异等操作，提高收敛速度和种群的多样性。仿真程序表明，该算法能以较快速度完成给定范围的搜索和全局优化任务。 在工程实际中，很多问题都可转化为函数优化问题，而对于高维、非凸、且有多个局部极值点的函数优化问题，传统的基于梯度的算法通常不能求得理想解。免疫系统作为一种分布式自学习系统，能自适应地维持群体多样性及具有自我调节功能，导致基于免疫机制的算法具有整体、局部搜索能力强的特点，使得这类算法在函数优化、组合优化、模式识别、数据挖掘及机器学习等方面得到了有效应用。 1 免疫算法原理 免疫算法的灵感来自生物获得性免疫的克隆选择原理。根据该原理，在生物免疫系统中，一旦病原体侵入肌体就被分解为抗原片段，B淋巴细胞能够为产生相应的抗体与抗原结合，同时活化、增殖和分化，产生浆细胞，通过中和、溶解和调理等作用，最终使抗原从体内清除。另有一些B细胞变成了长期存活的记忆细胞，它通过血液、淋巴和组织液循环，为下一次快速、高效的消除相同或者类似抗原引起的感染奠定了基础。 免疫算法采用高变异克隆的单性繁殖搜索方式，避免了遗传算法中的交叉操作引起的模式干扰，同时具有未被激发的细胞消亡及记忆细胞的产生等过程又保证了抗体的多样性。 2 算法描述 克隆选择算法模拟生物免疫系统的克隆选择原理，一般将待优化的目标函数及其约束条件视为抗原，其算法步骤如下： (1)初始化：随机产生N个二进制编码的抗体对应问题的可能解。 (2)评价和选择1：将N个抗体分解成由m和r个抗体组成的两部分Am，Ar，分别表示进入记忆集的抗体和剩下的部分，其中进入记忆集的都是亲和度较高的抗体。 (3)克隆：在亲和度最高的抗体中选择k个进行克隆，克隆的数量与其亲和度成正比。 (4)变异：模拟生物克隆选择中的超变异过程，对克隆后的抗体执行变异操作，变异按某一变异概率以一定规模随机进行。 (5)评价和选择2：重新计算变异后的抗体的亲和度，若克隆变异后的抗体中亲和度最高的抗体比父代抗体的亲和度还要高，就用该抗体替换原抗体，形成薪的记忆集。 (6)消亡：模拟生物克隆选择中5％的B细胞自然消亡的过程，在Ar中选择d个亲和度最低的抗体重新初始化，以保证抗体的多样性。 克隆技术的发展及应用前景 克隆通常是一种人工诱导的无性生殖方式或者自然的无性生殖方式（如植物）。一个克隆就是一个多细胞生物在遗传上与另外一种生物完全一样。克隆可以是自然克隆，例如由无性生殖或是由于偶然的原因产生两个遗传上完全一样的个体（就像同卵双生一样）。但是通常所说的克隆是指通过有意识的设计来产生的完全一样的复制。克隆技术在现代生物学中被称为“生物放大技术”，它已经历了三个发展时期：第一个时期是微生物克隆，即用一个细菌很快复制出成千上万个和它一模一样的细菌，而变成一个细菌群；第二个时期是生物技术克隆，比如用遗传基因――DNA克隆；第三个时期是动物克隆，即由一个细胞克隆成一个动物。克隆绵羊“多利”由一头母羊的体细胞克隆而来，使用的便是动物克隆技术。 目前，克隆技术发展十分迅速。各国政府有关人士、民间对克隆技术的评价褒贬不一。克隆技术已展示出广阔的应用前景，包括以下四个方面： （1）培育优良畜种和生产实验动物； （2）生产转基因动物； （3）生产人胚胎干细胞用于细胞和组织替代疗法； （4）复制濒危的动物物种，保存和传播动物物种资源。 在不久的将来，克隆技术技术将可以用来治疗糖尿病、中风、癌症、爱滋病、心脏病以及诸如帕金森综合症等精神疾病，并极大改变现有的器官移植理论和治疗手段，给人类带来福音。 克隆技术会给人类带来极大的好处，例如，英国PPL公司已培育出羊奶中含有治疗肺气肿的a-1抗胰蛋白酶的母羊。这种羊奶的售价是6千美元一升。一只母羊就好比一座制药厂，用什么办法能最有效、最方便地使这种羊扩大繁殖呢？最好的办法就是“克隆”。同样，荷兰PHP公司培育出能分泌人乳铁蛋白的牛，以色列LAS公司育成了能生产血清白蛋白的羊，这些高附加值的牲畜如何有效地繁殖？答案当然还是“克隆”。母马配公驴可以得到杂种优势特别强的动物——骡，骡不能繁殖后代，那么，优良的骡如何扩大繁殖？最好的办法也是“克隆”，我国的大熊猫是国宝，但自然交配成功率低，因此已濒临绝种。如何挽救这类珍稀动物？“克隆”为人类提供了切实可行的途径。具体应用有以下几个方面： 转基因动物研究 转基因动物研究是动物生物工程领域中最诱人和最有发展前景的课题之一，转基因动物可作为医用器官移植的供体、作为生物反应器，以及用于家畜遗传改良、创建疾病实验模型等。但转基因动物的实际应用并不多，除单一基因修饰的转基因小鼠医学模型较早得到应用外，转基因动物乳腺生物反应器生产药物蛋白的研究时间较长，已进行了10多年，但在全世界范围内仅有2例药品进入3期临床试验，5～6个药品进入2期临床试验；而其农艺性状发生改良、可资畜牧生产应用的转基因家畜品系至今没有诞生。转基因动物制作效率低、定点整合困难所导致的成本过高和调控失灵，以及转基因动物有性繁殖后代遗传性状出现分离、难以保持始祖的优良胜状，是制约当今转基因动物实用化进程的主要原因。 体细胞克隆 体细胞克隆的成功为转基因动物生产掀起一场新的革命，动物体细胞克隆技术为迅速放大转基因动物所产生的种质创新效果提供了技术可能。采用简便的体细胞转染技术实施目标基因的转移，可以避免家畜生殖细胞来源困难和低效率。同时，采用转基因体细胞系，可以在实验室条件下进行转基因整合预检和性别预选。在核移植前，先把目的外源基因和 https://www.360docs.net/doc/b22893366.html, 量子克隆遗传算法1 李阳阳1，焦李成1 1西安电子科技大学电子工程学院，西安(710071) E-mail: lyy_111@https://www.360docs.net/doc/b22893366.html, 摘要：遗传算法是解决优化问题的一种有效方法。但在实际应用中也存在着收敛速度慢，早熟等问题，使得其结果极不稳定。本文将遗传算法和量子理论相结合并利用免疫系统中所特有的克隆算子，针对0/1背包问题，提出了一种改进的进化算法——量子克隆遗传算法(QCA)。它能有效的避免早熟，且具有收敛速度快的特点。 关键词：遗传算法量子克隆遗传算法 0/1背包 中图分类号：TN957 1.引言 进化计算是一种仿生计算，依照达尔文的自然选择和孟德尔的遗传变异理论，生物的进化是通过繁殖、变异、竞争、选择来实现的，进化算法就是建立在上述生物模型基础上的随机搜索技术。我们所熟悉的遗传算法(Genetic Algorithms)[1]，它通过模拟达尔文的“优胜劣汰，适者生存”的原理鼓励好的个体，通过模拟孟德尔的遗传变异理论在进化过程中保持好的个体，同时寻找更好的个体，由此来模仿一切生命与智能的产生与进化过程[2][3]。理论上已经证明：进化算法能从概率的意义上以随机的方式寻求到问题的最优解；但在实际应用当中随着问题的复杂和海量的数据量，也出现了一些不尽人意的情况，主要表现在：计算后期解的多样性差即易造成早熟，收敛速度慢等缺点。因此，为克服上述缺点关键是构造性能良好的进化算法。 量子力学是20世纪物理学最惊心动魄的发现之一，量子计算是物理理论与计算机的成功结合，在量子体系中，一位的信息位不在是经典的1比特，而是由两个本征态的任意叠加态所构成即称之为量子比特位(qubit)，例如一个n位二进制的串在量子体系中就可同时表示n 2个信息,而量子计算机对每个叠加分量(本征态)实现的变换相当于一种经典计算,所有这些经典计算同时完成,并按一定的概率振幅叠加起来,给出量子计算的结果,这种计算称之为量子并行计算[4]。正是量子的并行性使得原来传统计算机无法解决的复杂问题以惊人的速度得以解决,但在量子计算机尚未构成的情况下，为了充分利用量子计算的高效并行性，本文借用了量子计算中的量子编码，继承了免疫克隆策略[5]中的克隆算子将二者相结合，提出了量子克隆遗传算法，并将其应用于0/1被包问题上，与传统进化算法相比较,它具有收敛速度快、寻优能力强的特点。 1本课题得到高等学校博士学科点专项科研基金（项目编号：20030701013）资助。 - 1 - 第23卷第1期 Vol.23No.1 控 制 与 决 策 Cont rol and Decision 2008年1月 J an.2008 收稿日期:2006210211;修回日期:2007201224. 基金项目:交通部西部交通建设科技项目(200431882053). 作者简介:高辉(1969—),男,吉林松源人,博士生,从事智能控制、智能交通系统等研究;徐光辉(1964— ),男,辽宁锦州人,副教授,博士,从事城市轨道交通和交通系统动力学的研究. 文章编号:100120920(2008)0120087204 实数编码量子进化算法 高 辉1,徐光辉1,张 锐2,王哲人1 (1.哈尔滨工业大学交通科学与工程学院,哈尔滨150090;2.哈尔滨理工大学自动化学院,哈尔滨150080) 摘 要:为求解复杂函数优化问题,基于量子计算的相关概念和原理,提出一种实数编码量子进化算法.首先构造了由自变量向量的一个分量和量子比特的一对概率幅为等位基因的三倍体染色体,增加了解的多样性;然后利用量子旋转门和依据量子比特概率幅满足归一化条件设计的互补双变异算子进化染色体,实现局部搜索和全局搜索的平衡.标准函数仿真表明,该算法适合求解复杂函数优化问题,具有收敛速度快、全局搜索能力强和稳定性好的优点.关键词:量子计算;量子进化算法;实数编码量子进化算法;函数优化中图分类号:TP18 文献标识码:A R eal 2coded qu antum evolutionary algorithm GA O H ui 1 ,X U Guan g 2hui 1 ,Z H A N G R ui 2 ,W A N G Zhe 2ren 1 (1.School of Communication Science and Engineering ,Harbin Institute of Technology ,Harbin 150090,China ;2.School of Automation ,Harbin University of Science and Technology ,Harbin 150080,China.Correspondent :GAO Hui ,E 2mail :zr_gh @https://www.360docs.net/doc/b22893366.html, ) Abstract :In order to optimize the complex f unctions ,a real 2coded quantum evolutionary algorithm is proposed based on the relational concepts and principles of quantum computing.Real 2coded triploid chromosomes ,whose alleles are composed of a component of the independent variable vector and a pair of probability amplitudes of the corresponding states of a qubit ,are constructed to keep the population diversity.The complementary double mutation operator ,which is designed according to the probability amplitudes of a qubit f ulfilling the normalization conditions ,and the quantum rotation gate are used to update chromosomes and realize a good balance between exploration and exploitation.Simulation results on benchmark functions show that the algorithm is well suitable for the complex function optimization ,and has the characteristics of rapider convergence ,more powerf ul global search capability and better stability. K ey w ords :Quantum computing ;Quantum evolutionary algorithm ;Real 2coded quantum evolutionary algorithm ;Function optimization 1 引 言 进化算法在求解复杂函数优化和组合优化问题中得到广泛应用,但仍存在“早熟”和“停滞”现象.为解决这些问题,借鉴量子计算的概念和原理,人们提 出了量子进化算法(Q EA )[123].Q EA 采用基于量子比特概念构造的量子染色体,增加解的多样性,以克服“早熟”现象;并利用当前最优染色体信息,使用量子旋转门更新量子染色体,确保进化的方向性,以避免“停滞”现象.然而大量研究表明[426],尽管Q EA 在求解组合优化问题时比传统进化算法表现出更优良的性能,但不适合求解复杂函数优化问题.为此, 本文提出一种实数编码量子进化算法(RCQ EA ).RCQ EA 利用待求解复杂函数自变量向量的一个分 量和量子比特的一对概率幅组成染色体的等位基因,进而构造实数编码三倍体染色体,以增加解的多样性,并利用量子旋转门和依据量子比特概率幅满足归一化条件而设计的基于高斯变异的互补双变异算子一起进化染色体,实现算法局部搜索和全局搜索的平衡.标准函数仿真表明,RCQ EA 求解复杂函数优化问题具有很好的性能. 2 量子进化算法(QEA) 在Q EA 中[5],用一个具有n 个量子比特的量子论克隆技术的利与弊
量子克隆进化算法
浅谈克隆技术的应用以及发展前景
量子免疫算法1
对基于克隆选择和小种群粒子群算法的混杂算法的实证研究【精品文档】(完整版)
浅谈生物克隆技术及其未来应用问题与前景
量子文献检索
抗独特型克隆选择算法_张立宁
量子密钥分发误码协调算法分析
基于克隆选择机制的函数优化免疫算法
克隆技术的发展与应用前景
量子克隆遗传算法
实数编码量子进化算法