Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

嵌套格罗弗的算法用于树搜索.

Andreas Wichert1

  • 1Department of Computer Science and Engineering, INESC-ID & Instituto Superior Técnico, University of Lisbon, 2740-122 Porto Salvo, Portugal.

Entropy (Basel, Switzerland)
|January 28, 2026
PubMed
概括
此摘要是机器生成的。

这项研究优化了使用嵌套格罗弗算法的量子树搜索. 它通过搜索任务的子集来提高性能,改善量子人工智能基础.

关键词:
格罗弗的算法是什么?启发式听觉学是一种启发式听觉学.嵌套的搜索 嵌套的搜索量子树的搜索方式就是量子树.

相关实验视频

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Quantum Machine Learning-Quo Vadis?

Entropy (Basel, Switzerland)·2024
Same author

Quantum Lernmatrix.

Entropy (Basel, Switzerland)·2023
Same author

Balanced Quantum-Like Bayesian Networks.

Entropy (Basel, Switzerland)·2020
Same author

Towards a quantum-like cognitive architecture for decision-making.

The Behavioral and brain sciences·2020
Same journal

Research on a Regional Availability Evaluation Model for Road-Area High-Entropy Energy Based on Synergy Factors.

Entropy (Basel, Switzerland)·2026
Same journal

Atmospheric Turbulence Channel Modeling and Performance Analysis of a CO-ZP-OFDM Coherent Optical Communication System for UAV Air-to-Ground Scenarios.

Entropy (Basel, Switzerland)·2026
Same journal

Information Geometry and Asymptotic Theory for SMML Estimators.

Entropy (Basel, Switzerland)·2026
Same journal

Correlation Entropy and Power-Law Kinetics.

Entropy (Basel, Switzerland)·2026
Same journal

Research on the Contagion of Systemic Financial Risk Under the Impact of Climate Risks-From the Perspective of Complex Networks and Machine Learning.

Entropy (Basel, Switzerland)·2026
Same journal

The Statistical-Mechanical Meaning of the Wave Function of Quantum Mechanics.

Entropy (Basel, Switzerland)·2026
查看所有相关文章

科学领域:

  • 量子计算是一种量子计算.
  • 人工智能的人工智能
  • 算法优化的算法优化

背景情况:

  • 传统的启发式函数与量子树搜索不兼容.
  • 基于格罗弗的方法在优化量子树搜索方面存在局限性.

研究的目的:

  • 使用嵌套格罗弗算法优化量子树搜索算法.
  • 通过提高搜索效率来增强量子人工智能应用.

主要方法:

  • 使用嵌套格罗弗算法来扩展部分任务树到特定的深度.
  • 介绍部分候选溶液来定义连接的预言.
  • 使用格罗弗的算法与连接的预言分解量子树搜索.

主要成果:

  • 与以前的基于格罗弗的方法相比,嵌套格罗弗算法方法可以提高结果.
  • 格罗弗算法的成本从O{\displaystyle O} 2m/2) 降低到O{\displaystyle O} m·2m/4) 对于有2的分支系数和深度m的m个部分候选溶液.

结论:

  • 拟议的方法为先进的量子人工智能应用提供了基础.
  • 使用嵌套格罗弗算法优化量子树搜索提供了显著的效率增长.