Quantum computation and quantum optimization algorithms

　　第1章 量子力学基础
　　 1.1 从经典力学到量子力学
　　 1.2 量子力学发展的回顾
　　 1.3 量子力学的基本概念
　　 1.3.1 什么是量子力学
　　 1.3.2 量子态及其表象
　　 1.3.3 量子态的相干叠加性、纠缠性和坍缩
　　 1.4 量子力学的基本假设
　　 1.4.1 波函数的概率波诠释
　　 1.4.2 态叠加原理
　　 1.4.3 薛定谔方程
　　 1.4.4 算符化规则
　　 1.4.5 全同性原理
　　 1.5 量子力学的数学基础
　　 1.5.1 向量空间与希尔伯特空间
　　 1.5.2 狄拉克符号
　　 1.5.3 基与线性无关
　　 1.5.4 线性算子与矩阵
　　 1.5.5 内积、外积、张量积
　　第2章 量子计算基础
　　 2.1 从经典信息到量子信息
　　 2.2 量子比特
　　 2.2.1 单量子比特
　　 2.2.2 双量子比特
　　 2.2.3 多量子比特
　　 2.3 量子逻辑门
　　 2.3.1 单比特量子门
　　 2.3.2 多比特量子门
　　 2.3.3 量子门的通用性
　　第3章 基本量子算法
　　 3.1 量子计算的并行性
　　 3.2 Deutsch量子算法
　　 3.3 Shor量子算法
　　 3.3.1 因子分解问题求解的基本思想
　　 3.3.2 shor算法的实现步骤
　　 3.4 Grover量子算法
　　 3.4.1 基于黑箱的搜索思想
　　 3.4.2 Grover算法搜索步骤
　　 3.4.3 Grover算法搜索过程几何描述
　　 3.4.4 算法性能分析
　　第4章 Grover量子搜索算法的改进
　　 4.1 Grover算法的国内外研究现状
　　 4.1.1 国外研究情况
　　 4.1.2 国内研究情况
　　 4.2 基本Grover算法存在的主要问题
　　 4.3 基于π／2相位旋转的改进算法
　　 4.3.1 相位匹配条件的改进
　　 4.3.2 改进后算法相位旋转的直观图示
　　 4.3.3 改进后的算法描述
　　 4.3.4 搜索实例
　　 4.4 使用局部扩散算子的量子搜索算法
　　 4.4.1 一步迭代搜索
　　 4.4.2 算法原理
　　 4.4.3 Younes算法与基本Grover算法对比
　　 4.5 基于自适应相位旋转的Grover算法
　　 4.5.1 搜索引擎描述
　　 4.5.2 自适应旋转相位的确定
　　 4.5.3 搜索举例
　　 4.6 基于目标加权的Grover算法
　　 4.6.1 目标量子叠加态的构造
　　 4.6.2 迭代算子的构造
　　 4.6.3 算法的迭代方程
　　 4.6.4 算法迭代方程的解
　　 4.6.5 算法的成功概率
　　 4.6.6 目标态概率幅迭代过程动态分析
　　 4.6.7 加权Grover算法与基本Grover算法的关系
　　 4.6.8 加权Grover算法的实现步骤
　　 4.6.9 加权Grover算法举例及分析
　　 4.7 基于自适应相位旋转的加权Grover算法
　　 4.7.1 算法原理
　　 4.7.2 算例分析
　　 4.8 基于固定相位旋转的Grover算法
　　 4.9 基于固定相位旋转的广义Grover算法
　　 4.9.1 构造迭代算子
　　 4.9.2 算子中α参数的确定
　　 4.9.3 算法需要的迭代步数
　　 4.9.4 广义Grover算法与其他算法的关系
　　 4.9.5 广义Grover算法与其他算法的对比
　　第5章 量子遗传算法
　　 5.1 量子进化算法的国内外研究现状
　　 5.1.1 国外研究现状
　　 5.1.2 国内研究现状
　　 5.2 基本量子遗传算法
　　 5.2.1 算法原理
　　 5.2.2 算法结构
　　 5.2.3 算法实现过程
　　 5.2.4 算法仿真结果
　　 5.3 改进的量子遗传算法
　　 5.3.1 概述
　　 5.3.2 实数编码梯度量子遗传算法
　　 5.3.3 算法描述
　　 5.3.4 在求解连续优化问题中的应用
　　 5.4 基于量子位Bloch球面坐标的量子进化算法
　　 5.4.1 概述
　　 5.4.2 BQEA的基本原理
　　 5.4.3 算法描述
　　 5.4.4 BQEA的收敛性
　　 5.4.5 在函数优化及模式识别中的应用
　　第6章 量子群智能优化算法
　　 6.1 混沌……