【技术实现步骤摘要】
【】本专利技术属于网络信息与量子计算的交叉领域，具体涉及一种基于qk-means量子增强求解战役行动中平台聚类编组问题的方法。
技术介绍
0、
技术介绍
1、军事c2组织中平台指的是组织中的物理资源载体，是作战任务的直接执行者，提供武器装备、通信设施和侦察监视设备等资源。与任务的功能相同，平台也属于军事c2组织中的元素，是军事c2组织设计的基础。由于在联合作战战役行动中对平台集进行聚类时，涉及到大量的武器平台元素，同时还需要考虑平台位置信息、提供的资源规模等属性，因此联合作战战役行动中平台聚类编组问题属于组合优化问题中的np问题，通常需要利用智能优化方法进行求解。联合作战战役行动中平台聚类编组问题是在任务切割分组的基础上进行的，任务簇与平台簇是一一对应的，任务分组的数量决定了平台编组的数量。因此，针对联合作战战役行动中平台聚类编组问题所具有的特点，可以利用无监督聚类优化算法进行求解。
2、目前，无监督聚类优化算法主要有k-means算法、层次聚类、mean-shift聚类算法、高斯混合模型em算法等。与其它方法相比，k-means算法因具有算法思路简单、聚类效果优良等特点，加之在处理大数据情况下，具有很好的伸缩性，算法复杂度相对较低等优点，使其在实际应用中广受青睐。该算法作为数据挖掘领域的十大算法之一，已成功应用于特征分析、商业智能、图像分组、文档聚类等多个领域。随着大数据时代的到来，问题所包含的聚类数据量呈指数级增长，给k-means算法的计算速率带来了巨大挑战。然而k-means算法的聚类过程较慢，
3、鉴于此，本专利技术基于qk-means算法提供一种可降低算法时间复杂度的求解方法。
技术实现思路
0、
技术实现思路
1、针对上述问题，本专利技术提供一种基于qk-means量子增强求解战役行动中平台聚类编组问题的方法，该方法较好地解决了联合作战战役行动中平台聚类编组问题，同时大幅度降低了时间复杂度和空间复杂度。
2、本专利技术是通过以下技术方案实现的，基于qk-means量子增强求解战役行动中平台聚类编组问题的方法，包括下列步骤：
3、基于qk-means量子增强求解战役行动中平台聚类编组问题的方法，包括下列步骤：
4、s1基于经典k-means算法，根据切割完成的任务簇数量确定平台聚类的类别数量，再以每个任务簇中所含任务的位置信息为基准，通过推导计算，求解出每个初始聚类中心点位置；
5、s2以欧氏距离作为衡量平台数据与各聚类中心点间相似度的指标，对平台数据进行量子化处理，将平台数据转化成对应的量子态形式表示，根据理论推导将欧氏距离求解转化成量子态内积求解，通过设计构造通用的量子态内积求解量子线路完成对欧氏距离的求解；
6、s3根据平台数据与各聚类中心之间的相似度，将各平台划归到对应的聚类中心并对聚类中心位置信息进行更新，不断迭代直至达到类簇的误差平方和数值或者预先设定的迭代阈值，完成聚类并取得平台聚类编组结果。
7、特别的，所述s1具体按照如下方案实施：
8、s11将作战区域划分为a区和b区，并对这两个区开展联合作战任务规划和资源调度，其中a区和b区分别包括15个作战任务，各作战任务包含的具体资源属性种类有12种，根据战役演习项目的实际作战场景和作战任务的分布坐标，分别将每个区域内的作战任务细化为4个任务簇，针对每个任务簇分配调度需要的作战资源；
9、s12为了实现任务簇与平台簇呈一一对应关系，将s11切割完成的任务簇数量作为初始聚类分簇k的取值；
10、s13结合公共数据集实际情况，选取聚类中心点的方法，将每个分簇数据集合的平均值作为初始聚类中心点位置。
11、特别的，所述s13中选取聚类中心点的方法具体如下：
12、以任务簇数量作为初始聚类分簇k的取值，对每个任务簇中的任务数据元素平均值进行计算，并将该平均值对应的位置作为对应平台簇的初始聚类中心点位置。
13、特别的，所述s2具体按照如下方案实施：
14、s21在希尔伯特空间中，一个量子位对应的量子态，表示成一个二维向量，根据张量积运算，两个量子位对应的量子态就可以表示成一个四维向量，以此类推，n个量子位对应的量子态就可以表示成一个2n维向量，当聚类数据元素的特征维度为n′时，需要的量子位数为当量子态对应的向量形式中出现多余的维度时，将其对应的振幅数值设置为0即可，以下进行具体的计算推导：
15、设聚类数据元素与聚类中心点的特征维度均为n′，一个聚类数据元素x1＝[x11,x12,…,x1n′]t与一个聚类中心点c1＝[c11,c12,…,c1n′]t，两个量子态分别为|η>＝[e1,e2,…,el]t，|θ>＝[f1,f2,…,fl]t，其中令将e代入x1的表达式，x1的表达形式可以转化为：
16、
17、将f代入c1的表达式，c1的表达形式可以转化为：
18、
19、当l＝n′时，令令得到如下表达式：
20、
21、
22、根据公式(3)和(4)，计算量子态|η>与|θ>的内积，得到如下表达式：
23、
24、当l＞n′时，令en′+1＝0,en′+2＝0,…,el＝0，令fn′+1＝0,fn′+2＝0,…,fl＝0，得到如下表达式：
25、
26、
27、根据公式(6)和(7)，计算量子态|η>与|θ>的内积可以表示为：
28、
29、如此无论l大于或等于n′，均可以建立起经典内积与量子态内积之间的联系；
30、s22设任意两个量子态分别为|φ>＝[p1,p2,…,pl]t，其中l表示量子比特位数，以下生成量子态并设计其对应的通用量子线路，根据量子基础理论，量子态采用如下公式表达：
31、
32、于公式(9)中，设a11、b11为任意实数，且根据公式(9)中的表达形式，经过量子酉变换计算推理，利用量子逻辑门设计出制备对应的量子线路，在量子初始基态的基础上，经过一系列量子逻辑门操作后，得到对应的量子态，具体计算推导过程如下：
33、
34、由公式(10)得到，量子逻辑门模块s11和s12的主要作用是演化生成量子态和根据相同的原理，量子态和的表达式为：其中a21、b21、a22、b22均为实数，且并采用递归方法，对量子线路中较为复杂的量子逻辑门模块s11和s12进行进一步分解设计，最终得到制备量子态的通用量子线路图，该量子线路图适用于任意量子态的制备；
3本文档来自技高网...
【技术保护点】
1.基于QK-means量子增强求解战役行动中平台聚类编组问题的方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的基于QK-means量子增强求解战役行动中平台聚类编组问题的方法，其特征在于，所述S1具体按照如下方案实施：
3.根据权利要求2所述的基于QK-means量子增强求解战役行动中平台聚类编组问题的方法，其特征在于，所述S13中选取聚类中心点的方法具体如下：
4.根据权利要求3所述的基于QK-means量子增强求解战役行动中平台聚类编组问题的方法，其特征在于，所述S2具体按照如下方案实施：
【技术特征摘要】
1.基于qk-means量子增强求解战役行动中平台聚类编组问题的方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的基于qk-means量子增强求解战役行动中平台聚类编组问题的方法，其特征在于，所述s1具体按照如下方案实施：
3.根据权利要求2...
【专利技术属性】
技术研发人员：张毅军，何一，东晨，刘潇文，李凯，刘颖，何远辉，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。