10.3969/j.issn.1000-1220.2021.04.010
搜索空间自适应量子搜索算法
量子搜索算法,相较于经典计算有着平方根的加速,在许多机器学习算法中都有广泛应用,如量子KNN算法、量子特征提取、量子主成分分析等.在目标分量占比较小的时候,量子搜索算法总能以较高的概率得到目标分量;然而,当目标分量占比较大时,量子搜索算法的成功概率急剧下降.为解决这个问题,本文拟提出一种搜索空间自适应的量子搜索算法.新算法依据目标分量占比的不同采用不同的策略:当目标分量占比为λ≥12,将搜索空间扩大为8N;当目标分量占比14≤λ<12时,将搜索空间扩大为4N;当目标分量占比18≤λ<14时,将搜索空间扩大为2N;当目标分量占比λ<18时,保持搜索空间不变.通过理论分析,改进算法整体效率得到显著的改进,能够保持93%以上的成功概率.
搜索空间、自适应、量子搜索、Grover算法
42
TP301(计算技术、计算机技术)
国家自然科学基金项目61070139,81460769,61762045
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
732-735