科研之友
微信
新浪微博
Facebook
分享链接
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%。
- 出版日期2020
- 单位南昌大学信息工程学院
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%。
