44、量子三进制桶形移位器的设计与特性

量子三进制桶形移位器的设计与特性

1. 量子三进制桶形移位器的设计概述

量子三进制桶形移位器有两种全新的设计方案,下面将详细介绍其设计以及所设计电路的特性。

1.1 优化的量子三进制桶形移位器

此部分展示了两种量子三进制桶形移位器的新设计,分别为单向和双向量子桶形移位器。
- 单向桶形移位器 :仅能将数据向左(或向右)移位。以一个四位量子三进制单向桶形移位器为例,其框图有两个阶段(ki,i = 0, 1),由QTFG(量子三进制Feynman门)、QTMFG(三进制修改量子Fredkin门)和QTPG(三进制量子Peres门)构建而成。
- 双向对数逻辑移位器 :属于非旋转桶形移位器,可将输入数据向左或向右移位。它有一个控制信号(K)用于确定移位方向。若K信号设为0,逻辑移位器将作为逻辑右移位器工作;否则,将作为逻辑左移位器工作。例如,一个四位量子三进制双向桶形移位器的框图同样有两个阶段(ki,i = 0, 1),也由QTFG、QTMFG和QTPG构建。其中,QTFG用于避免扇出,QTMFG和QTPG分别用作2 - 1多路复用器和与门。

移位器类型 数据输入 选择输入 构建门
单向 (n_0,n_1,n_2,n_3) (k_0,k_1) QTFG、
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值