量子算法和遗传算法科研实践报告
教学（科研）实践内容
2009年3月至2010年3月期间，参与了教育部博士点基金项目：“MIMO系统中基于量子算法的信号检测方法的研究”（BJ206006）和南京邮电大学科研基金攀登计划项目：“MIMO系统中基于量子优化算法的信号检测方法”（NY206011）。
参与的项目研究内容为：从研究量子算法和遗传算法（GA）入手，利用量子态叠加、相干及并行计算特性等，设计量子交叉和变异算子，得到新型量子遗传算法（QGA），并建立基于QGA的MIMO/MIMO-OFDM系统信号检测模型。然后将QGA与神经网络相结合，提出一种混合量子优化算法，用QGA优化神经网络的初始值，并研究其在MIMO/MIMO-OFDM系统信号检测中的应用，以期找到实现基于量子智能算法的最佳求解的MIMO/MIMO-OFDM系统信号检测算法及其仿真系统。
研究工作的总体进度如下：
第1-4月：完成GA、神经网络、MIMO及MIMO-OFDM系统的研究。编程实现遗传算法和神经网络，用经典函数分别检测其特性，并将GA、神经网络用于MIMO/MIMO-OFDM系统信号检测中，仿真实现该信号检测模型并分析比较其性能。
第5-6月：完成QGA的研究。设计量子交叉算子和量子变异算子，编程实现量子遗传算法，用经典函数检测其特性，并将QGA用于MIMO/MIMO-OFDM系统信号检测中，仿真实现系统模型并分析比较其性能，初步研究QGA与神经网络的结合问题。
第7-9月：完成QGA与神经网络相结合的量子优化算法的设计。完成基于QNN与神经网络的量子优化算法在MIMO/MIMO-OFDM信号检测中的应用研究，仿真实现系统信号检测模型并分析比较其性能。
第10-12月：根据仿真性能进行算法及系统模型的改进与完善，得到适合MIMO/MIMO-OFDM系统信号检测的最佳量子智能算法。完成项目研究报告及学位论文。
评语
研究新型量子智能算法，并将其应用于MIMO/MIMO-OFDM信号检测，具有重要的理论意义和应用价值。该生科研能力较强，有一定的创新思文和创新能力。在项目实践过程中，其研究思路清晰、方案合理，并取得了较丰硕的研究成果。教学（科研）实践内容
本次教学实践主要内容是2009年秋学期的本科生课程《数字信号处理》课程辅导，主要是协助导师进行教学辅导。主要工作内容包括：
1． 学习导师授课技巧，按时收缴并批改学生作业，记录收交情况；
2． 发现作业中的主要问题，进行作业结果的总结，对疑难题目进行汇总并将其向导师汇报；
3． 对期末试卷进行批改，统计学生分数信息；
4． 在学期中，对课程实验进行指导，针对相关内容做了相应的DSP仿真实验。
通过本次教学实践，使我学习了如何应对备课和授课中出现的问题；在批改作业和试卷中，
使我更清楚地认识到该课程的要点、难点和易错点，从而对已学课程《数字信号处理》进行了复习加强；通过对课程实验进行指导，与学生进行了互动，提高了自己在沟通和处理工作的能力，做好导师与学生之间交流的纽带角色。1011