【技术实现步骤摘要】
一种基于分布式并行差分进化算法的参数优化方法
[0001]本专利技术属于量子信息
,具体涉及一种基于分布式并行差分进化算法的参数优化方法。
技术介绍
[0002]作为量子通信的核心,量子密码的安全与否直接决定了量子通信系统的安全性。而量子密码的安全性,基于量子力学的基本原理之上。通过结合香农提出的“一次一密”(OTP)定理,原则上可以为合法用户(Alice、Bob)提供无条件安全性的量子通信。从BB84协议提出以来,量子密码在理论上及实验上均取得了巨大的进步,而诱骗态测量设备无关QKD(Measure
‑
device
‑
independent Quantum Key Distribution,MDI
‑
QKD)协议的出现,弥补了理论和实际QKD安全性的差距,它既解决了由非理想光源引起的光子数分束攻击,也免疫了所有针对探测端的攻击。另一方面,参考系无关的QKD(Reference
‑
frame
‑
independent QKD,RFI
‑
QKD)协议,不要求在Alice和Bob之间进行参考系校准,因而提升了量子密钥分配系统的鲁棒性和实用性。而RFI
‑
MDI
‑
QKD协议,则结合MDI和RFI系统的优点,进一步提高了系统的安全性。在实际RFI
‑
MDI
‑
QKD系统中,态的光强及态制备时选基、发送的概率需根据不同场景进行变化,以获得更高 ...
【技术保护点】
【技术特征摘要】
1.一种基于分布式并行差分进化算法的参数优化方法,其特征在于,具体包括如下步骤:步骤1,初始化操作;初始化操作的目标是生成多个D维参数向量组成的初代种群,种群中的每一个体,即为一组解向量,也即其中i=1...,NP,NP为种群中个体数,对应QKD协议中需要优化的D个参数,所述D个参数包括光强、发送光强的概率、以及制备态时选基的概率,且解向量中的每个参数都有相对应的参数范围[min,max];步骤2,变异操作;将种群初始化后,针对当前种群中每个个体,使用突变策略生成突变向量;在本发明中,采用如下的突变策略生成突变向量:其中,X
best,G
是种群中最优的个体向量,比例因子F是对差向量进行缩放的正向控制参数,和是[1,NP]范围内随机生成互斥整数,和为种群中任意选择的两个向量;步骤3,交叉操作;变异操作结束后,需对每一对目标向量X
i,G
,及其对应的突变向量进行交叉操作,生成实验向量:在本发明中,采用了二项(统一)交叉,定义如下式中,CR为交叉率,是[0,1]范围内用户指定的常量,用于控制从突变向量复制的参数值的比例;j=1,2,...D,j
rand
是[1,D]范围内随机选择的整数;条件j=j
rand
是为了保证实验向量U
i,G
与目标向量X
i,G
至少相差一个参数;在生成实验向量U
i,G
后,若实验向量U
i,G
中的参数值超过设定的参数范围时,则需在设定的参数范围将这些参数随机且均匀的进行初始化;步骤4,选择操作;依据密钥率公式计算每个实验向量生成的目标函数值R(U
i,G
),以及当前种群中相应目标向量X
i,G
生成的目标函数值R(X
i,G
),并对实验向量生成的目标函数值R(U
i,G
)和目标向量生成的目标函数值R(X
i,G
)进行对比和评估,由评估结果对实验向量实现选择操作;若实验向量的目标函数值R(U
i,G
)大于或等于相应的目标向量R(X
i,G
),则实验向量将取代目标向量进入下一代G+1的种群,即X
i,G+1
=U
i,G
;重复上述步骤2
‑
4,当迭代次数达到预设上限,或R(U
i,G
)
‑
R(X
i,G
)达到设定精度,即保留对应的最优参数,并输出现阶段目标函数值R的最大值。2.根据权利要求1所述一种基于分布式并行差分进化算法的参数优化方法,其特征在于,步骤1中,在参数向量中第j个参数在生成时,其在G=0代的第i个个体的初始值由式子决定,其中,j表示向量X
i,G
的第j个参数,j∈(1,2
……
,D),rand(0,1)表示[0,1]范围内均匀分布的随...
【专利技术属性】
技术研发人员:刘琨,孙铭烁,王琴,刘靖阳,周星宇,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。