الگوریتم رقابتی

تخصیص اجزاء مازاد شامل انتخاب اجزاء و سطوح افزونگی برای بیشینه نمودن قابلیت اطمینان تحت محدودیتهای مختلف سیستم است. در اکثر طراحیها، به دلیل وجود توابع هدف چندگانه متضاد، محاسبه قابلیت اطمینان دشوار میباشد. در مدل ارائه شده در این مقاله سه هدف شامل بیشینه سازی قابلیت اطمینان،کمینهسازی حجم و کمینهسازی هزینه مد نظر قرار میگیرد که برای حل آن، یک الگوریتم تلفیقی چندهدفه جدید بر پایه الگوریتمهای رقابتی و ژنتیک برای اولین بار در حل مسائل بهینه سازی قابلیت اطمینان چند هدفه با استفاده از تخصیص عضو مازاد پیشنهاد میشود. علاوه بر این از روش رویه شناسی رویه سطح 1( برای تنظیم عملگرهای الگوریتم پیشنهادی استفاده میشود. الگوریتم پیشنهادی در مقایسه با RSM( پاسخ 3از کارایی بالاتری برخوردار است. PAES 2و NSGA-II دو الگوریتم

طبقه بندی درهم تنیدگی حالت های کوانتومی با تابع همگن مثبت در ارتباط بوده که تحت عملیات های محلی تصادفی و تبدیل های ارتباط کلاسیکی (SLOCC) ناوردا است. در این مقاله، ابتدا یک طرح کلی برای اندازه گیری تنگل N تایی جهت اندازه گیری درهم تنیدگی یک حالت خالص N کیوبیت فرد- دلخواه ارائه می دهیم. سپس الگوریتم طبقه بندی را توسعه می دهیم که مبتنی بر ادغام بین یادگیری رقابتی و قدرت محاسباتی محاسبات کوانتومی است.