摘要：为解决Grover算法的普适性不够理想的问题,提出一种灵活的量子搜索算法.首先,通过设计包含任意数目基态的量子均衡叠加态,实现任意大小无序数据库的构建;其次,通过求解算法的迭代方程,导出旋转相位与成功概率及搜索步数之间的定量关系,其中旋转相位可取(0,π]内的任意值;再次,通过迭代步数与成功概率的统计分析,确定当标记态数未知时旋转相位的最佳取值,并设计搜索方案;最后,考察不同旋转相位及不同标记态数下,成功概率及迭代步数的数值结果.理论分析表明该算法可以实现经典算法的二次加速.

摘要：利用核磁共振(NMR)实验技术来实现量子计算,是当前各种验证量子算法最为有效的方法之一,但这个方法首先必须把量子算法编译成在现代超导核磁共振谱仪上能够直接执行的NMR脉冲序列,即NMR量子计算程序。在NMR技术中通常只要施加合适的射频脉冲,便可以达到使核自旋翻转以实现某种逻辑功能的目的,该文讨论了如何设计多量子位核磁共振(NMR)脉冲序列来实现Grover量子搜索算法,并在量子仿真器(QCE)上进行了实验验证。

摘要：完全图KN上某个顶点连接到图G将破坏其对称性.为加速定位这类结构异常,基于散射量子行走模型设计搜索算法,首先给出了算法酉算子的定义,在此基础上利用完全图的对称性,将算法的搜索空间限定为一个低维的坍缩图空间.以G为一个顶点的情况为例,利用硬币量子行走模型上的研究结论简化了坍缩图空间中酉算子的计算,并借助矩阵扰动理论分析算法演化过程.针对星图SN上结构异常的研究表明,以星图中心节点为界将整个图分为左右两个部分,当且仅当两部分在N→∞时具有相同的特征值,搜索算法可以获得量子加速.本文说明星图上的分析方法和结论可以推广至完全图的坍缩图上.基于此,本文证明无论完全图连接的图G结构如何,搜索算法均可在O(√N)时间内定位到目标顶点,成功概率为1-O(1/√N),即量子行走搜索该类异常与经典搜索相比有二次加速.

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%。

摘要：传统调参方法容易生成局部最优,提出多策略混合改进BOA算法的MLP训练方法。针对标准BOA算法寻优精度、收敛速度的不足,设计多策略混合改进蝴蝶优化算法MSHBOA。利用佳点集进行种群初始化,避免随机种群的遍历不足;引入量子搜索局部开发和自适应惯性权重全局搜索提升个体寻优能力;设计概率阈值自适应调整机制,动态协调全局搜索与局部开发比重;设计柯西变异和混沌映射的个体混合扰动机制,增强算法脱离局部最优的能力。将MSHBOA应用于多层感知器MLP训练优化,结果验证训练算法在均方误差、分类准确率、局部最优抵抗性和稳定性方面均表现更好。