《多尺度量子谐振子优化算法》以作者王鹏、黄焱、李波、谢干河在自然计算领域的研究成果为基础，全面、系统地介绍了一种基于量子谐振子物理模型的新的智能优化算法一一MQHOA算法，该算法的物理模型明确、算法结构简单，无需复杂的初始条件设定和参数设置。将MQHOA算法用于求解函数优化问题和组合优化问题，并对算法的物理模型、迭代收敛性和并行性进行理论分析和实验验证。 全书共7章，每章都包含了作者近年的科研成果。本书可作为自然计算算法、人工智能领域开发人员和技术人员的参考书。

第1章 绪论
1.1 背景知识
1.2 自然计算的研究现状
1.2 MQHOA算法的研究现状
1.3 MQHOA算法的最新研究进展
第2章 优化问题的建模方法
2.1 最优化问题
2.2 MQHOA算法求解TSP优化问题的建模方法
2.3 MQHOA算法求解聚类中心点优化问题的建模方法
2.4 数据中心需量费用优化问题的建模与求解
第3章 MQHOA算法的提出
3.1 MQHOA算法流程和数学描述
3.1.1 MQHOA算法的基本流程
3.1.2 MQHOA算法流程的数学描述
3.2 MQHOA算法的物理模型
3.2.1 MQHOA算法与经典谐振子物理模型的对应关系
3.2.2 MQHOA算法与量子谐振子物理模型的对应关系
3.2.3 波函数
3.2.4 量子隧道效应
3.2.5 测不准原理
3.3 MQHOA、QPSO和SA算法性能的实验对比
第4章 MQHOA算法求解函数优化问题
4.1 引言
4.2 高维函数优化问题的多尺度量子谐振子模型
4.2.1 多尺度优化函数二进信息采样模型
4.2.2 同一尺度下的量子谐振子搜索聚焦模型
4.3 多尺度量子谐振子算法实验分析
4.3.1 确定实验中的群体参数 和采样参数
4.3.2 二维函数实验
4.3.3 高维函数实验
4.3.4 通过频率变换加速含高频成分函数的收敛进程
第5章 MQHOA算法求解组合优化问题
5.1 引言
5.2 组合优化问题的定义
5.3 MQHOA算法求解TSP问题的原理及过程
5.3.1 量子谐振子波函数所描述的收敛过程
5.3.2 多尺度量子谐振子算法的基本收敛过程
5.3.3 MQHOA算法求解TSP问题的基本过程
5.4 实验结果及讨论
5.4.1 MQHOA算法求解TSP标准测试数据
5.4.2 MQHOA算法求解规则分布的TSP问题
5.4.3 MQHOA算法求解TSP问题的收敛特性分析
第6章 MQHOA算法的迭代收敛特性
6.1 MQHOA算法收敛过程和参数选择
6.1.1 MQHOA算法的收敛过程
6.1.2 k、m参数的选择对算法收敛性的影响
6.2 MQHOA算法的QHO收敛过程研究
6.2.1 QHO收敛过程的收敛性分析
6.2.2 QHO收敛过程中的波函数收敛定理
6.2.3 QHO收敛过程中的能量变化
6.2.4 QHO收敛过程中的测不准关系
6.2.5 QHO收敛过程的波函数特性
6.3 MQHOA算法的M收敛过程研究
6.3.1 M收敛过程分析
6.3.2 M收敛过程实验
第7章 MQHOA算法的并行性研究
7.1 引言
7.2 MQHOA算法的运行时间分析
7.3 MQHOA算法的并行化特性
7.3.1 MQHOA算法的并行方法
7.3.2 MQHOA算法的三种并行粒度
7.3.3 根据采样参数选择MQHOA算法的并行粒度
7.4 MQHOA-P算法的运行流程
7.5 MQHOA-P算法的并行化性能分析
7.6 MQHOA-P算法的实验验证
参考文献
附录A MQHOA算法核心代码
附录B 主要的函数优化测试函数