[發明專利]一種基于量子模糊信息的不確定性問題建模方法

在審

• 申請號: 202011433044.5
• 申請日: 2020-12-10
• 公開（公告）號: CN112508198A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 李同;張仕斌;黃曦;昌燕;閆麗麗
• 申請（專利權）人: 成都信息工程大學;四川輕化工大學
• 主分類號: G06N7/02
• 分類號: G06N7/02;G06N10/00
• 代理公司: 成都玖和知識產權代理事務所(普通合伙) 51238
• 代理人: 胡琳梅

本發明提供了一種基于量子模糊信息的不確定性問題建模方法，包括以下步驟：針對問題域X＝{x₁,x₂,...,x_n}中的不確定性元素x_i(i＝1,2,...,n)建立直覺模糊集A＝{x_i,μ_A(x_i),υ_A(x_i)|x_i∈X}，其中，μ_A(x_i)為隸屬度，ν_A(x_i)為非隸屬度；π_A(x_i)為猶豫度，π_A(x_i)＝1?μ_A(x_i)?v_A(x_i)；用量子模糊信息描述元素x_i與直覺模糊集A的關系：根據所述量子模糊信息建模分析問題域X中各元素x_i與直覺模糊集A的隸屬關系。本發明以直覺模糊集刻畫不確定性問題，客觀、準確、全面地反應不確定性問題中各對象的所蘊含的信息，然后以量子態作為信息處理單元，利用量子計算在處理復雜性和不確定性問題上的高效率優勢，準確、快速的處理相關問題。

技術領域

本發明屬于大數據處理技術領域，尤其涉及一種基于量子模糊信息的不確定性問題建模 方法。

背景技術

隨著各領域的數據量爆炸式地增長，經典信息處理技術與量子信息處理技術得到了很大 的發展和廣泛的應用。人們通過發現和利用大數據中隱含的有價值的數據和信息，極大地方 便了生活、工作、學習和科研等方面，但同時也引發了很多問題。一方面，由于大數據具有 結構復雜、規模大、種類多、流動速度快等特點,向傳統計算理論與技術提出了很多挑戰，在 描述不確定性、不精確性和信息不完全的復雜問題時，現有的計算模型論難以勝任；另一方 面，針對大數據的挖掘與分析，傳統計算機已經無法適應任務處理的需要，尋找新的方法來 處理這些任務就十分迫切。當前，為了進一步滿足大數據及其應用快速發展的需要，如何精 確刻畫并高效處理不確定性數據的問題就顯得十分重要。

1983年，保加利亞學者阿塔諾索吾(K.T.Atanassov)教授提出了直覺模糊集理論，利用 三個標度(即隸屬度、非隸屬度與猶豫度)來刻畫不確定性問題，能夠更細膩、全面地描述 客觀現象的自然屬性。

隨著量子技術的發展，量子計算不再局限于對經典數據的處理，通過利用量子計算超強 的并行計算能力、指數級存儲容量等特征，可以更快處理大量的數據，提高機器學習對數據 的處理能力，在處理復雜問題上具有巨大的優勢。但現有技術在將大數據所具有的復雜性和 不確定性問題進行定量、準確地描述，并將模糊化的數學描述量子化，以量子態作為信息處 理單元方面的工作并不多也不深入。因此，尋求一種既能反映大數據所具有的復雜性和不確 定性問題，又能符合量子計算的運算規律以及量子態特有的表示形式，同時還能直觀、定量、 準確地描述大數據所具有不確定性問題的數學建模方法，就成了本領域亟待解決的重要問題 和最有前景的研究方向。

發明內容

針對現有技術存在的問題，本發明提供基于量子模糊信息將直覺模糊集理論和量子計算 交叉融合，利用直覺模糊集理論刻畫不確定性問題，將不確定性問題模糊化，結合量子計算 在處理復雜性和不確定性問題上的高效率，將模糊信息量子化；以量子態作為信息處理單元， 提供了一種客觀、高效、準確的不確定性問題建模方法，為研究量子模糊機器學習算法奠定 理論基礎。

為完成發明目的，本發明采用的技術方案是：

一種基于量子模糊信息的不確定性問題建模方法，包括以下步驟：