改进量子搜索算法及其在核属性求解上的应用

doi:10.3778/j.issn.1002-8331.1906-0272

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (14): 57-61.DOI: 10.3778/j.issn.1002-8331.1906-0272

改进量子搜索算法及其在核属性求解上的应用

谢旭明，段隆振，邱桃荣，杨幼凤

南昌大学信息工程学院，南昌 330031

出版日期:2020-07-15 发布日期:2020-07-14

Improved Quantum Search Algorithm and Its Application on Computation of Core

XIE Xuming, DUAN Longzhen, QIU Taorong, YANG Youfeng

College of Information Technology, Nanchang University, Nanchang 330031, China

Online:2020-07-15 Published:2020-07-14

摘要/Abstract

摘要：

大部分的量子算法都必须先求解目标分量占比，否则算法的迭代次数无法确定。迭代次数自适应Grover算法有效地避开了目标分量占比求解这个步骤，但其性能相对于Grover算法来说并没有任何改善。致力于提升迭代次数自适应Grover算法的性能，提出了一种改进量子搜索算法，并将其应用于求解粗糙集的核属性。经过仿真实验，改进算法不仅实现了迭代次数自适应，而且整体上提升了获得目标分量的概率，使得获得目标分量的概率恒高于85%。

关键词: 量子搜索, 自适应, 粗糙集, 核属性, 算法设计

Abstract:

The ratio of targets is significant, basically for most of quantum search algorithms, and these algorithms cannot be successfully implemented without knowing the ratio of targets beforehand. While, Grover auto-control searching algorithm avoids this problem effectively, but the drawback of this algorithm is that it has no improvement over the Grover quantum search on behalf of final success probability. Dedicated to solve the aforesaid problem, an improved algorithm is proposed, and also applied in the computation of core of rough sets, in this study. Based on simulative experiment, not only does the proposed algorithm iterate self-adaptively, but it also has an overall improvement on the success probability, which is constantly over 85%.

Key words: quantum search, self-adaptive, rough set, core, algorithm design

谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.

XIE Xuming, DUAN Longzhen, QIU Taorong, YANG Youfeng. Improved Quantum Search Algorithm and Its Application on Computation of Core[J]. Computer Engineering and Applications, 2020, 56(14): 57-61.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[7]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[8]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[9]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[10]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[11]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[12]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[13]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[14]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[15]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.

改进量子搜索算法及其在核属性求解上的应用

Improved Quantum Search Algorithm and Its Application on Computation of Core

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics