1.摘要异构物联网拓扑的鲁棒性与通信效率都易受节点失效影响二者联合优化因此关键而困难解空间高维组合、目标相互冲突传统方法难以胜任。现有多目标粒子群算法受轨迹驱动搜索机制制约探索能力不足在复杂拓扑空间中易早熟收敛。本文提出量子启发框架 QUOTA将量子行为引入粒子演化把拓扑搜索由确定性轨迹更新重构为基于概率状态的探索从而支持非局部搜索并设计自适应聚合机制依粒子群动态状态平衡探索与开发辅以多样性感知策略缓解早熟收敛。实验表明 QUOTA 在多种网络配置下持续优于现有最优算法鲁棒性最高提升 46%同时保持较高通信效率。2.问题描述见个人简介 IEEE TMC，面向异构物联网的多目标量子行为拓扑优化算法
1.摘要异构物联网拓扑的鲁棒性与通信效率都易受节点失效影响二者联合优化因此关键而困难解空间高维组合、目标相互冲突传统方法难以胜任。现有多目标粒子群算法受轨迹驱动搜索机制制约探索能力不足在复杂拓扑空间中易早熟收敛。本文提出量子启发框架 QUOTA将量子行为引入粒子演化把拓扑搜索由确定性轨迹更新重构为基于概率状态的探索从而支持非局部搜索并设计自适应聚合机制依粒子群动态状态平衡探索与开发辅以多样性感知策略缓解早熟收敛。实验表明 QUOTA 在多种网络配置下持续优于现有最优算法鲁棒性最高提升 46%同时保持较高通信效率。2.问题描述见个人简介