Asymptotic bounds on quantum partial search algorithm and its applications to parallel search
Northwest University（西北大学）；Stony Brook University（石溪大学）
研究量子部分搜索算法，通过数值证据支持GRK算子序列为最优假设，推导其成功概率上界和查询次数下界，还探讨并行量子搜索，发现结合部分与全搜索的混合策略能改进并行格罗弗方案，阐明了量子部分搜索极限及作用。
2026-07-08 quant-ph
Quantum Partial Search of a Database with Several Target Items
我们考虑一个数据库分成块。包含目标项的块称为目标块。没有目标项的块称为非目标块。我们考虑的情况下，当每个目标块有相同数量的目标项目。我们提出了一个快速的量子算法，它找到一个目标块。我们的算法是基于部分搜索的Grover-Radhakrishnan算法。我们最小化对oracle的查询次数。
2006-10-12 quant-ph
Quantum search of partially ordered sets
我们调查的推广量子搜索的非结构化和全序集搜索偏序集（偏序集）。两个模型的偏序集搜索被认为是。在这两个模型中，我们表明，量子算法可以实现最多的查询复杂性的二次改进经典算法，对数因子，我们也给量子算法，几乎实现了这种最佳的降低复杂性。在一个模型中，我们给出了一个改进的量子算法来搜索森林类偏序集;在另一个模型中，我们给出了一个O（sqrt（m））-查询的量子算法来搜索m*m个按行和列排序的数组中的偏序集.这导致了一个量子算法，它在O（sqrt（n））时间内找到两个n个整数的排序列表的交集，这是最优的。
2007-03-02 quant-ph
Quantum Multi-object Search Algorithm with the Availability of Partial Information
考虑在一个大小为N的大型未排序数据库中对未知数量为l的项目进行非结构化搜索。多目标量子搜索算法由两部分组成。算法的第一部分是将Grover的单目标搜索算法推广到多目标情况，第二部分是解决一个计数问题来确定l。在本文中，我们研究了多目标量子搜索算法（在连续时间），但在一个更结构化的方式，考虑到部分信息的可用性。可用的部分信息的建模是简单地通过组合几个规定的，可能重叠的，具有不同权重的信息集来表示每个集合的可靠性。估计了相关统计量，分析了算法的效率和复杂度。我们的分析表明，这里描述的搜索算法可能不会比非结构化（广义）多对象Grover搜索更有效，如果有“错位的信心”。然而，如果信息集具有"基本置信度“属性，即每个信息集包含至少一个搜索项，则在小得多的数据空间上保持二次加速，这进一步加快了对第一项的量子搜索。
2000-11-10 quant-ph
Comment on Partial Adiabatic Quantum Search
部分绝热搜索算法在[A. Tulsi，Phys.Rev.A80，052328（2009）]作为用于量子搜索的通常绝热算法的修改，其想法是大多数感兴趣的计算仅发生在绝热路径的非常短的范围内。通过关注该受限范围，可以通过减少对系统的控制要求来潜在地获得优势，从而实现均匀的演化速率。在这篇评论中，我们指出了原始工作[1]中的一个疏忽，使其证明无效。然而，这个论证是可以纠正的，并且[1]中的计算足以表明该方案仍然有效。然而，随后的作品[2-6]不能以同样的方式收回。
2013-11-22 quant-ph
Quantum partial search for uneven distribution of multiple target items
量子部分搜索算法是一种近似搜索算法。它的目的是找到一个目标块（其中有目标项目）。它比Grover搜索快一点。本文研究数据库中多目标项非均匀分布（目标块中目标项个数不同）的量子部分搜索算法。我们描述的算法可以定位的目标块之一。算法的效率是通过对oracle的查询次数来衡量的。为了提高效率，我们对算法进行了优化。通过扰动方法，我们发现当目标项在数据库中均匀分布时，该算法的运行速度最快。
2017-10-24 math-ph math.MP quant-ph
Circuit-depth optimization of quantum partial-search algorithms
School of Physics, Northwest University（西北大学物理学院）；C. N. Yang Institute for Theoretical Physics, Stony Brook University（石溪大学杨振宁理论物理研究所）
本研究提出一种交替应用全局和局部Grover算子的量子部分搜索序列，在预言机与全局扩散算子深度相当时，相比GRK算法可降低超过20%的期望电路深度，并给出了精确的成功概率和最优参数。
2026-09-24 quant-ph
Simple Algorithm for Partial Quantum Search
在数据库搜索中，我们往往只需要提取出令人满意的项目的部分信息。最近，Radhakrishnan & Grover [RG]以以下形式考虑了这个问题：将$N$项目的数据库划分为相同大小的$K$块。该算法只需找到包含感兴趣项的块。查询与标准数据库搜索问题中的查询完全相同。[RG]发明了一种量子算法来解决这个部分搜索的问题，它比量子搜索算法的迭代次数少了$0.33\sqrt{N/K}$。他们还证明，任何量子算法所能做的最好的事情就是节省$0.78 \sqrt(N/K)$迭代。该算法的主要局限性是它涉及复杂的分析，因此大多数社区都无法访问。本文对该算法进行了简单的分析。这个分析是基于对量子搜索的三个基本观察，不需要一个单一的方程，而且不到2页。
2005-04-21 quant-ph
Grover Search Inspired Alternating Operator Ansatz of Quantum Approximate Optimization Algorithm for Search Problems
该研究利用绝热量子搜索与绝热量子计算的框架映射，通过对绝热量子搜索的含调度哈密顿量做Trotter化得到QAOA的变分参数，无需迭代机器学习即可将Grover搜索的最优性能迁移至QAOA框架。
2023-04-28 quant-ph
Quantum Searching via Entanglement and Partial Diffusion
在本文中，我们将定义一个量子算子，它只在系统的一个子空间上执行关于平均值的反演（部分扩散算子）。这个运算符用在量子搜索算法中，该算法运行时间为O（sqrt{N/M}），用于搜索大小为N的非结构化列表，其中M匹配使得1<= M<=N。我们将表明，该算法的性能比已知的{固定算子量子搜索算法}更可靠，特别是对于多个匹配，如果匹配的数量大约超过搜索空间的三分之一，则我们可以在单次迭代后以超过90%的概率得到解决方案。我们将证明该算法将能够处理匹配数M事先未知的情况，使得1<=M<=N在O（sqrt{N/M}）中。将提供与Grover算法的性能比较。
2004-07-23 quant-ph
Accelerated quantum search using partial oracles and Grover's algorithm
本文提出一种基于部分预言机的多阶段混合量子搜索算法，通过将匹配条件按位独立测试，使搜索复杂度可介于$\mathcal{O}(\sqrt{N})$与$\mathcal{O}(\log(N))$之间，并在置换场景下验证了其有效性。
2024-11-18 quant-ph
Constant-time solution to the Global Optimization Problem using Bruschweiler's ensemble search algorithm
利用集成算法获得了连续全局优化问题的常时间解。我们表明，在一定的假设下，解决方案可以保证通过映射到一个离散的未排序的搜索问题的GOP，因此，Escherichweiler的合奏搜索算法。对于足够的测量技术的灵敏度，集成搜索算法的查询复杂度线性依赖于函数的域的大小。最终NMR实现的优点和局限性进行了讨论。
2003-06-26 quant-ph
Is partial quantum search of a database any easier?
在本文中，我们考虑的部分数据库搜索问题，给定一个数据库的N个项目，我们需要确定的前k位的地址x，使f（x）=1。我们在量子线路模型中推导了这个问题的算法和下界。设q（k，N）为找到所需地址x的前k位所需的最小查询次数。证明了存在常数c_k和d_k使得（pi/4）（1 - d_k/sqrt{K}）sqrt{N} <= q（k，n）<=（pi/4）（1 - c_k/sqrt{K}）sqrt{N}，其中K=2^k.因此，确定目标地址的几位总是比找到整个地址更容易，但随着k变大，这一优势迅速减少。
2005-02-07 quant-ph
Depth optimization of quantum search algorithms beyond Grover's algorithm
Grover的量子搜索算法比经典算法提供了二次加速。计算复杂度取决于对oracle的查询次数。然而，深度是一个更现代的度量噪声中等规模的量子计算机。我们提出了一种新的量子搜索算法的深度优化方法。我们表明，格罗弗的算法是不是最佳的深度。我们提出了一个量子搜索算法，它可以分为几个阶段。每个阶段都有一个新的初始化，这是数据库的重新缩放。这减少了错误。多级设计对于量子搜索算法的并行运行是自然的。
2020-03-27 quant-ph
Comment on "Quantum optimization for combinatorial searches"
这是对最近发表的一篇文章的评论，该文章声称已经找到了一种“量子优化”算法，该算法优于已知的算法，可以最小化一些“成本函数”。不幸的是，这种算法并不比随机选择一个状态并检查它是否具有低成本更好。
2002-09-16 quant-ph
Quantum Optimization for Combinatorial Searches
我提出了一个“量子退火”的启发式组合搜索的问题之间的一组沮丧的状态，其特征在于成本函数被最小化。该算法是概率性的，具有测量结果的后选择。扮演有效温度角色的唯一参数决定了计算负载和优化的整体质量。通过选择相应低的有效温度，可以利用与搜索集的维度{ \it N}无关的计算负荷来达到任何级别的准确度。这比经典的搜索算法要好得多，经典的搜索算法通常涉及计算时间随着log（{ \it N}）的幂而增长。
2002-04-19 quant-ph
Searching for Possible Spin Configurations of Ferrum Chain via Quantum Approximate Optimization Algorithm
计算由铁原子通过交换作用相互作用组成的链的期望自旋构型从根本上说是一个构型优化问题。量子近似优化算法是在量子设备上配置这样的系统的合适候选者。在这项工作中，我们考虑了三种不同长度的铁链，并使用量子近似优化算法计算了它们的最可几自旋构型。采用量子前馈神经网络作为量子近似优化算法的优化器。我们成功地得到了最长铁链的自旋组态。
2022-11-23 quant-ph
Partially-Commutative Polynomial Optimization
Laboratoire d’Information Quantique, Université libre de Bruxelles（布鲁塞尔自由大学量子信息实验室）；Department of Computer Science, School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院计算机科学系）
介绍部分可交换多项式优化框架，该框架包含交换和非交换多项式优化，允许变量间有任意交换关系，以部分可交换幺半群为基础代数结构，用于构建半定规划松弛解决相关问题。
2026-07-14 math.OC quant-ph
Constraint-oriented biased quantum search for linear constrained combinatorial optimization problems
本文提出一种面向约束的偏量子搜索方法，结合电路优化和机器学习技术，用于解决线性约束组合优化问题，并展示其在量子硬件下的速度优势。
2025-12-04 quant-ph
Reusability Report: Comparing gradient descent and monte carlo tree search optimization of quantum annealing schedules
我们提供了Chen等人在“Optimizing quantum annealing schedules with Monte Carlo tree search enhanced with neural networks”中提出的方法的可重用性报告，并在Max-Cut问题上添加了更多基准。
2022-10-07 cond-mat.dis-nn quant-ph
A Quantum Walk Enhanced Grover Search Algorithm for Global Optimization
量子计算的重大突破之一是Grover的未排序数据库搜索算法。最近，Grover算法的应用，以解决全局优化问题已被证明，其中未知的最优解，通过迭代提高阈值的选择性相移算子在Grover旋转。在本文中，提出了一种混合的方法，结合连续时间量子行走与Grover搜索，使搜索速度与改进的阈值。通过利用量子隧穿效应，可以在搜索过程的早期阶段找到更好的阈值，从而提高概率的锐度。将新算法与已有的Grover搜索和经典启发式算法的结果进行了比较。
2017-11-18 math.OC quant-ph
Grover Adaptive Search for Constrained Polynomial Binary Optimization
在本文中，我们讨论Grover自适应搜索（GAS）约束多项式二元优化（CPBO）问题，特别是二次无约束二元优化（QUBO）问题，作为一个特殊情况。与蛮力搜索相比，GAS可以为组合优化问题提供二次加速。然而，这需要开发高效的预言机来表示满足某些搜索条件的问题和标志状态。一般来说，这可以使用量子算术来实现，然而，这在Toffoli门以及所需的辅助量子位方面是昂贵的，这在短期内可能是禁止的。在这项工作中，我们开发了一种方法来构建高效的预言机解决CPBO问题，使用GAS算法。我们展示了这种方法和潜在的加速投资组合优化问题，即一个QUBO，使用模拟和实验结果在真正的量子硬件上获得。然而，我们的方法适用于高次多项式目标函数以及约束优化问题。
2021-04-06 cs.ET quant-ph
Continuous optimization by quantum adaptive distribution search
Graduate School of Informatics, Kyoto University（京都大学信息学研究科）；Graduate School of Engineering Science, Osaka University（大阪大学工程科学研究科）；Center for Quantum Information and Quantum Biology, Osaka University（大阪大学量子信息与量子生物学中心）；RIKEN Center for Quantum Computing (RQC)（理化学研究所量子计算中心）
本文提出 QuADS，将 Grover 自适应搜索与 CMA-ES 结合，通过自适应更新多元正态分布作为量子搜索初始状态，在连续优化中减少 oracle 调用并优于 GAS 和 CMA-ES。
2024-07-04 cs.LG quant-ph
