| 引用本文: | 丛爽,丁娇,张坤.改进的迭代收缩阈值算法及其在量子状态估计中的应用[J] ●●●●。控制理论与应用,2020,37(7):1667~1672.[点击复制] |
| 孔爽、丁娇、张坤。改进的迭代收缩阈值算法及其在量子状态估计中的应用[J]。控制理论与技术，2020,37（7）：1667~1672。[点击复制] |
|
| 改进的迭代收缩阈值算法及其在量子状态估计中的应用 |
| 改进的迭代收缩阈值算法及其在量子态估计中的应用 |
| 摘要点击 1672 全文点击 570 投稿时间：2019-08-11 修订日期：2020-06-15 |
| 查看全文 查看 下载PDF格式阅读器 |
| 内政部编号 10.7641/CTA.2020.90670 |
| 2020,37(7):1667-1672 |
| 中文关键词 量子状态估计 迭代收缩阈值算法 加速算子 优化算法 |
| 英文关键词 量子状态估计 迭代收缩阈值算法 加速度算符 优化算法 |
| 项目 国家自然科学基金项目(61973290)资助. |
|
| 中文摘要 |
| 本文将含有稀疏干扰的量子状态估计问题, 转化为考虑量子状态的约束条件下, 分别求解密度矩阵的核范数, 以及稀疏干扰l1级范数的两个子问题的优化问题. 针对迭代收缩阈值算法（ISTA）所存在的收敛速度慢的问题, 通过在两个子问题的迭代估计中, 引入一个加速算子, 对当前值与前一次值之差进行进一步的补偿, 来提高算法的迭代速度（FISTA）。并将菲斯塔算法应用于求解含有稀疏干扰的量子状态估计中. 针对5个量子位的状态估计的仿真实验, 将菲斯塔分别与ISTA、交替方向乘子法（ADMM）、不动点方程的ADMM公司算法（FP–ADMM），以及非精确的ADMM公司算法（I–ADMM）4种优化算法进行性能对比. 实验结果表明, 菲斯塔更多小的量子状态估计误差. |
| 英文摘要 |
| 本文将具有稀疏干扰的量子状态估计问题转化为一个优化问题稀疏干扰下密度范数核范数和l1范数两个子问题的求解量子态的约束。针对迭代收缩阈值算法收敛速度慢的问题（ISTA），通过在两个子问题的迭代估计中引入加速算子进一步补偿当前值和先前值，以提高算法（FISTA）的迭代速度。将FISTA算法应用于求解具有稀疏干扰的量子状态估计优化问题。在通过5个量子位的状态估计仿真实验，将FISTA与四种优化算法的性能进行了比较算法：ISTA、交替方向乘法器法（ADMM）、定点ADMM（FP-ADMM）和不精确ADMM（I–ADMM）。实验结果表明，FISTA算法具有较好的收敛性，可以获得较小的量子状态估计误差。 |