基于量子傅里叶变换算法的量子乘法器

乘法运算是许多量子算法中的基本运算之一.为了实现量子乘法运算并且尽可能少地使用辅助量子比特,提出了一种基于量子傅里叶变换算法的量子乘法器.在量子傅里叶加法电路基础上,设计了量子移位电路,并实现了两个n位二进制无符号数相乘的量子电路,其时间复杂度为O(n3).使用IBM提供的开源量子计算工具包Qiskit分别验证了两个2...     

基于量子门线路的量子神经网络模型及算法

提出一种量子神经网络模型及算法.该模型为一组量子门线路.输入信息用量子位表示,经量子旋转门进行相位旋转后作为控制位,控制隐层量子位的翻转;隐层量子位经量子旋转门进行相位旋转后作为控制位,控制输出层量子位的翻转.以输出层量子位中激发态的概率幅作为网络输出,基于梯度下降法构造了该模型的学习算法.仿真结果表明,该模型及算法在收敛能力和鲁棒性方面均优于普通BP网络.     

基于序列输入的量子神经网络模型及算法

为提高神经网络的逼近能力,提出一种各维输入为离散序列的量子神经网络模型及算法.该模型为3层结构,隐层为量子神经元,输出层为普通神经元.量子神经元由量子旋转门和多位受控非门组成,利用多位受控非门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用受控非门输出中多位量子比特的纠缠获得量子神经元的输出.基于量子计算理论设计该模型的学习算法.该模型可从宽度和深度两方面获取输入序列的特征.仿真结果表明,当输入节点数和序列长度满足一定关系时,该模型明显优于普通神经网络.     

基于受控Hadamard门的量子神经网络模型及算法

为提高神经网络的逼近能力,提出一种基于受控Hadamard门设计的量子神经网络模型及算法.该模型输入为多维离散序列,可用矩阵描述,行数为输入节点数,列数为序列长度.模型为3层结构,隐层为量子神经元,输出层为普通神经元.量子神经元由量子旋转门和多位受控Hadamard门组成,利用多位受控Hadamard门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用受控Hadamard门中控制位和目标位之间的受控关系获得量子神经元的输出.基于量子计算理论设计了该模型的学习算法.该模型可高效地获取输入序列的特征.实验结果表明,当输入节点数和序列长度满足一定关系时,该模型明显优于普通BP神经网络.     

多进制概率角复合位编码量子进化算法

针对量子进化算法求解二进制编码问题比较有效,而求解多进制编码问题则比较困难的情况,本文提出了一种多进制概率角复合位编码量子进化算法.该算法将量子进化算法中量子位的概率幅表示法转化为复合位的概率角表示法,采用随机观测方法得到观测个体,采用概率角增减对个体进行更新.该算法适用于采用任意进制编码的问题.实验表明,与量子进化算法和传统遗传算法相比,多进制概率角复合位编码量子进化算法在适用范围、搜索能力和运算速度上具有较明显优势.     

基于相位编码的混沌量子免疫算法

目前量子群智能优化算法的个体均采用基于量子比特测量的二进制编码方式,在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率.针对这一问题,本文提出一种混沌量子免疫算法.该方法直接采用量子比特的相位对抗体进行编码;用量子旋转门实现优良抗体的克隆扩增,通过在量子旋转门中引入混沌变量动态改变转角大小实现局部搜索;用基于Pauli-Z门的较差抗体的变异,实现全局优化.证明了算法的收敛性.由于优化过程统一在空间[0,2π]n进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性.实验结果表明该算法能有效改善普通免疫算法的搜索能力和优化效率.     

一种量子衍生神经网络模型

为提高神经网络的逼近能力,通过在普通BP网络中引入量子旋转门,提出了一种新颖的量子衍生神经网络模型. 该模型隐层由量子神经元组成,每个量子神经元携带一组量子旋转门,用于更新隐层的量子权值,输入层和输出层均为普通神经元. 基于误差反传播算法设计了该模型的学习算法. 模式识别和函数逼近的实验结果验证了提出模型及算法的有效性.     

基于量子生成对抗网络的信息隐藏方案

针对量子图像信息隐藏技术在面对基于统计的隐写分析算法检测时的不安全问题,提出基于量子生成对抗网络(QGAN)的信息隐藏方案.首先利用映射规则将秘密信息映射为单量子比特门,演化得到QGAN生成器G的参数化量子电路的输入态;然后通过QGAN中的生成电路生成含密量子图像;最后通过测量含密量子图像得到样本数据后与真实数据样本作为判别器D的输入进行迭代优化,使G能够得到接近于目标图像的含密图像.实验结果表明,所提方案能生成与目标图像分布较好拟合的含密图像,完成信息的非嵌入式隐藏.     

一种自适应相位旋转的二进制量子蚁群算法

基于量子进化理论以及蚂蚁群体的寻优策略,结合一种二进制量子蚁群算法,提出了一种自适应相位旋转的二进制量子蚁群算法（Binary Quantum Ant Colony Optimization Algorithm,BQACO）。该算法采用量子比特概率幅表示蚁群信息素,利用伪随机选择策略实现蚂蚁的位置移动,通过自适应相位旋转以及变异操作,实现蚂蚁信息素的动态更新,并有效降低算法早熟收敛概率。通过标准测试函数对其优化性能进行研究,该算法在函数优化的全局寻优能力和快速搜索能力上,均优于二进制量子蚁群算法和连续量子蚁群算法。     

基于改进量子遗传算法的云计算资源调度

针对云计算环境下资源的高效调度问题,当前研究较少关注云服务提供商的服务成本,为此,以云服务提供商降低最小服务成本为目的,提出了改进量子遗传算法的云资源调度算法。由于采用二进制量子位表示的染色体无法描述资源调度矩阵,该算法将量子位的二进制编码转换为实数编码,并使用旋转策略和变异算子保证算法的收敛性。通过仿真实验平台将此算法与遗传算法和粒子群算法进行比较分析,在种群迭代次数为100的情况下,分别取种群数为1和10,实验结果表明该算法能取得更小的最小服务成本。     

基于量子位Bloch坐标的量子遗传算法及其应用

提出了一种基于量子位Bloch坐标的量子遗传算法. 该方法用量子位构成染色体; 用量子位的Bloch坐标构成染色体上的基因位; 用量子旋转门进行染色体上量子位的更新; 用量子非门进行染色体变异. 对于量子旋转门的转角大小及方向的确定, 提出了一种简易快捷的新方法; 对旋转和变异操作, 提出了基于量子位Bloch坐标的新算子. 该算法将量子位的3个Bloch 坐标都看作基因位, 每条染色体包含3条并列的基因链, 每条基因链代表1个优化解.在染色体数目相同时, 可加速优化进程. 以函数极值优化和神经网络权值优化为例, 仿真结果表明该方法在搜索能力和优化效率两个方面优于普通量子遗传算法和简单遗传算法.     

混合量子遗传算法及其性能分析

首先比较了带量子门更新和群体灾变的量子算法(QA)以及加入对量子位的交叉和变异操作的量子遗传算法(QGA);然后结合量子搜索和传统遗传搜索提出了混合量子遗传算法的框架,并给出了基于二进制编码的混合量子遗传算法(BQGA)和基于实数编码的混合量子遗传算法(RQGA).基于典型问题的数值仿真和比较表明,RQGA的性能明显优于其他算法,对参数和初值具有较好的鲁棒性.     

量子程序中一种改进的延时估计算法研究

针对现有的量子算法处理时间长、成本过于昂贵这一不足,提出一种延时快速估计算法LEQA,以评估映射到瓦片量子结构的量子算法的延时.该算法使用程序化方法,通过计算量子周围相邻量子的数量来计算算法的延时.仿真结果表明,对中等规模的电路,LEQA的速度要比执行细致的布局、调度以及将量子运算依赖图中的量子指令和量子位通过路由传输到量子结构中的现代量子映射器速度快出两个数量级.此外,LEQA还能快速得出电路延时的估计,且精度很高,平均误差只有2.11％.     

基于二进制量子微粒群算法的二维熵图像分割

分析量子计算的特点,对量子旋转门进行研究,给出了新的量子旋转门调整策略,并与离散二进制粒子群优化算法进行组合,提出了二进制量子粒子群优化算法。该算法具有收敛速度快、全局寻优能力强的特点。用典型复杂函数对其进行测试,测试结果表明,算法的优化质量和效率都优于离散二进制粒子群优化算法。将二进制量子粒子群优化算法与阈值法相结合应用于图像分割,结果表明了基于二进制量子粒子群优化算法的二维熵图像分割法用于阈值寻优具有更快的收敛速度和更好的全局寻优能力。     

基于矩阵初等变换的量子可逆逻辑电路双向综合算法

基于矩阵初等变换,提出了量子可逆逻辑电路双向综合算法。该算法依据两数字间的汉明距离,通过交换矩阵行号或矩阵元素对量子可逆逻辑电路的矩阵进行初等行变换。在变换的过程中,利用邻接矩阵的电路转化规则,生成任意给定置换的量子可逆逻辑电路。与其它同类算法相比,由于不需要穷尽搜索,该算法的时空复杂度有大幅降低;又由于采用任意n量子扩展通用Toffoli门,该算法可综合任一置换(奇或偶置换)的量子可逆逻辑电路,并且电路中门的数量有所减少。     

一种新的混合量子进化算法

量子进化算法(QEA)用于多峰函数优化时,容易陷入局部最优.本文提出一种新的混合量子进化算法,通过双编码机制(经典二进制编码和量子概率编码),以及经典交叉和量子概率编码更新策略,实现了经典遗传算法与量子进化算法的有机结合,在发挥经典遗传算法全局优化能力的同时,利用量子概率搜索提高了算法的局部搜索能力.通过一组典型函数优化实验对该算法的性能进行了考察,并与QEA进行了比较.结果表明,本文算法在解的质量和收敛速度上都要优于QEA.     

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出一种实数编码混沌量子遗传算法（RCQGA）．该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索．实验结果表明,RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点,而且可以减少寻优的计算复杂度,具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点,适用于工程应用中的复杂函数优化问题．     

量子计算

近几年来,量子计算机逐渐引起人们的关注。对于计算机科技人员,量子计算机似乎高深莫测。文章是专门为那些不懂量子力学而又想了解量子计算机的计算机工作者撰写的。介绍了和量子计算有关的术语和符号,并着重阐明一个n位量子寄存器为何能存储2^n个n位数？量子计算机的一次操作为何能计算所有x的f(x)？对于解栽些问题,量子计算机为何能有惊人的运算速度？除了上面3个问题外,还将介绍基本的量子逻辑门和量子逻辑网络,接着介绍一个量子算法,然后介绍量子计算机的组织结构,最后是讨论,将评价量子计算机的优势和弱点,并讨论量子计算机的物理实现和对量子计算的展望。     

基于量子门组的量子神经网络模型及其应用

为进一步提高量子神经网络的性能,结合目前神经网络机理的研究进展,提出了一种基于量子门组的量子神经元模型,建立了量子门组量子神经网络（Quantum Gate Set Neural Network,QGSNN）。该算法由输入层、隐含层和输出层组成,该算法将转换后的量子态训练样本作为输入。利用量子旋转门和通用量子门完成旋转、选择、翻转和聚合等一系列操作,并完成了网络参数的更新。将训练后的结果输出。QGSNN算法的泛化能力在数学上得到了证明,并利用两个仿真实验对该方法进行验证。实验结果表明,与普通神经网络和普通量子神经网络相比,QG-SNN算法在泛化性能、鲁棒性、准确率和执行时间等方面具有较好的效果。     

基于Hash表的量子可逆逻辑电路综合的快速算法

量子可逆逻辑电路是构建量子计算机的基本单元,通过量子门的级联与组合构成量子计算机,量子可逆逻辑电路的综合就是根据电路功能,以较小的量子代价自动构造量子可逆逻辑电路.结合可逆逻辑电路综合的多种算法,提出了一种新颖高效的量子电路综合算法,巧妙构造最小完备的Hash函数,可使用多种量子门,采用任意量子代价标准,以极高的效率生成最优的量子可逆逻辑电路.为实现量子电路综合的自动化,首次提出了利用量子线的置换自动构造各种量子门库的通用算法.采用国际同行认可的3变量可逆函数测试标准,该算法不仅能够生成全部最优电路.而且运行速度远远超过其他算法·实验结果表明,该算法按最小长度、最小代价标准综合电路的平均速度分别是目前最好结果的49.15倍、365.13倍.