本站原创
摘 要： 针对现有量子部分搜索算法均未考虑目标对象重要性的差异，提出了一种对已分配权重的目标对象进行搜索的量子部分搜索算法。分析GRK算法的结构特点，构建能够保持Grover算法原有性质的含有目标权重信息的量子叠加态算子，分析算法要达到最优时的匹配条件。仿真实验表明，该算法能够根据权重信息，成功搜索到目标元素。
关键词： 量子部分搜索； 量子叠加态算子； 权重信息； 量子计算
1004?373X（2013）10?0087?03
0 引 言
Grover量子搜索算法由于其能够高效的实现对在未整理数据库中对满足一定条件的目标进行成功搜索问题，并相对于经典搜索算法实现了二次加速，从诞生之日起，就在量子信息领域受到了广泛关注，且后又被证明为最优的量子搜索算法。故如何优化Grover算法，提高其搜索效率成为量子搜索算法研究的一个热点。2005年，Grover和Radhakrishnan首先提出了利用量子计算并行性质，查找目标元素部分信息的量子部分搜索算法（GRK算法），将该领域的研究引向更深层次。之后，Korepin等人证明GRK部分搜索算法是最优部分搜索算法[3?5]；Byung?soo Choi等提出多目标元素平均分布在多目标块中且成功率达到1的GRK算法[6?7]，李彦波等在此基础上提出了更一般的多目标任意分布的GRK算法[8?9]，并分析了理论上该算法相比Grover量子经典算法节省迭代次数的上限。
以上研究成果是建立在所有待检索元素重要性无差异基础上的。事实上，待检索的部分信息间是可能存在一些重要性差别的。基于此，在事先确定目标元素权重系数前提下，提出一种基于固定目标元素权重系数的量子部分搜索算法，能够以权重系数相关的概率成功搜索到指定目标元素所在数据段。
（2）GRK算法过程描述
1.2 算法分析
GRK算法的结构特点。在此基础上为目标态引入了权
（下转第93页）
重系数，提出了基于该办法的固定目标权重的量子搜索算法。算法能够成功搜索到目标块，并能够以权重值的概率有效的区别目标元素间的重要性差异。通过仿真实验，证明了算法的可靠性和有效性。
参考文献
ZALKA C. Grover’s quantum searching algorithm is optimal [J]. Phys. Rev A， 1999， 60（4）： 2746?2751.
GROVER L K， RADHRISHNAN J. Is partial quantum search of a database any easier [C]// ACM Symposium on Parallel Algorithms and Architectures. Las Vegas， Nevada， USA： CAM， 2005： 1?15.
[3] KOREPIN V E， LIAO Jin?feng. Quest for fast partial search algorithm [J]. Information Processing， 2006， 5： 209?218.
[4] KOREPIN V E. Optimization of partial search [J]. Journal of Physics A： Math Gen.， 2005， 38： 731?738.
[5] KOREPIN V E， GROVER L K. Simple algorithm for partial quantum search [J]. Quantum Information Processing， 2006， 5（3）：
[6] CHOI B S， KOREPIN V E. Quantum partial search of a database with several target items [J]. Quantum Information Processing， 2007， 97（6）： 1?13.
[7] CHOI B S， THOMAS A W， SAMUEL L B. Sure success partial search [J]. Quantum Information Processing， 2007， 6（1）： 1?8.
[8] 李彦波，周正威，鲍皖苏，等.含有多目标的量子部分搜索：目标被非平均分配在两块中[J].量子光学学报，2008，14（3）：282?288.
[9] 钟普查.量子搜索算法研究[D].郑州：郑州信息工程大学，2009.
[10] 马颖，樊养余，田维坚，等.基于固定目标权重的量子搜索算法[J].计算机应用研究，2013，30（1）：155?157.
关键词： 量子部分搜索； 量子叠加态算子； 权重信息； 量子计算
1004?373X（2013）10?0087?03
0 引 言
Grover量子搜索算法由于其能够高效的实现对在未整理数据库中对满足一定条件的目标进行成功搜索问题，并相对于经典搜索算法实现了二次加速，从诞生之日起，就在量子信息领域受到了广泛关注，且后又被证明为最优的量子搜索算法。故如何优化Grover算法，提高其搜索效率成为量子搜索算法研究的一个热点。2005年，Grover和Radhakrishnan首先提出了利用量子计算并行性质，查找目标元素部分信息的量子部分搜索算法（GRK算法），将该领域的研究引向更深层次。之后，Korepin等人证明GRK部分搜索算法是最优部分搜索算法[3?5]；Byung?soo Choi等提出多目标元素平均分布在多目标块中且成功率达到1的GRK算法[6?7]，李彦波等在此基础上提出了更一般的多目标任意分布的GRK算法[8?9]，并分析了理论上该算法相比Grover量子经典算法节省迭代次数的上限。
以上研究成果是建立在所有待检索元素重要性无差异基础上的。事实上，待检索的部分信息间是可能存在一些重要性差别的。基于此，在事先确定目标元素权重系数前提下，提出一种基于固定目标元素权重系数的量子部分搜索算法，能够以权重系数相关的概率成功搜索到指定目标元素所在数据段。
（2）GRK算法过程描述
1.2 算法分析
2 基于固定权重的量子部分搜索算法
对以上数据进行分析可知，在目标态处于其他分布状况时，本文算法结果也是可信的，在保证不同权重目标元素可成功检出的前提下，未对标准GRK算法其他性质产生任何改变。4 结 语
本文首先介绍了GRK算法的迭代过程，分析了GRK算法的结构特点。在此基础上为目标态引入了权
（下转第93页）
重系数，提出了基于该办法的固定目标权重的量子搜索算法。算法能够成功搜索到目标块，并能够以权重值的概率有效的区别目标元素间的重要性差异。通过仿真实验，证明了算法的可靠性和有效性。
参考文献
ZALKA C. Grover’s quantum searching algorithm is optimal [J]. Phys. Rev A， 1999， 60（4）： 2746?2751.
GROVER L K， RADHRISHNAN J. Is partial quantum search of a database any easier [C]// ACM Symposium on Parallel Algorithms and Architectures. Las Vegas， Nevada， USA： CAM， 2005： 1?15.
[3] KOREPIN V E， LIAO Jin?feng. Quest for fast partial search algorithm [J]. Information Processing， 2006， 5： 209?218.
[4] KOREPIN V E. Optimization of partial search [J]. Journal of Physics A： Math Gen.， 2005， 38： 731?738.
[5] KOREPIN V E， GROVER L K. Simple algorithm for partial quantum search [J]. Quantum Information Processing， 2006， 5（3）：
摘自：毕业论文答辩流程www.udooo.com
209?226.[6] CHOI B S， KOREPIN V E. Quantum partial search of a database with several target items [J]. Quantum Information Processing， 2007， 97（6）： 1?13.
[7] CHOI B S， THOMAS A W， SAMUEL L B. Sure success partial search [J]. Quantum Information Processing， 2007， 6（1）： 1?8.
[8] 李彦波，周正威，鲍皖苏，等.含有多目标的量子部分搜索：目标被非平均分配在两块中[J].量子光学学报，2008，14（3）：282?288.
[9] 钟普查.量子搜索算法研究[D].郑州：郑州信息工程大学，2009.
[10] 马颖，樊养余，田维坚，等.基于固定目标权重的量子搜索算法[J].计算机应用研究，2013，30（1）：155?157.