摘要：该文提出一种量子白适应粒子群优化算法，该算法中，粒子位置的编码采用量子比特实现，利用粒子飞行轨迹信息动态更新量子比特的状态，并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络，实现了径向基函数（RJBF）神经网络参数优化，建立了基于量子自适应粒子群优化RBF神经网络算法的网络流量预测模型。对真实网络流量的预测结果表明，该方法的收敛速度和预测精度均要优于传统RBF神经网络法、粒子群-RBF神经网络法、混合粒子群-RBF神经网络法和自适应粒子群-RBF神经网络法，并且预测效果不易受时间尺度变化的影响。

原文链接:http://www.cqvip.com/QK/91130A/201309/47337680.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）