改进量子搜索算法及其在核属性求解上的应用

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

所属期刊栏目：56

分类号：TP387(计算技术、计算机技术)

资助基金：国家自然科学基金No.61070139.No.81460769.No.61762045

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：57-61