A subscription to JoVE is required to view this content. Sign in or start your free trial.
本研究提供了一种使用量子处理器单元来计算各种流量动态的路由的方法,这些路由的性能优于文献中的经典方法,以最大限度地延长网络寿命。
传感器网络节能方法是经典计算机和量子处理器的混合使用方法,已被证明比使用经典计算机的启发式算法性能更好。在这份手稿中,介绍了该方法重要性的技术背景并进行了论证。然后,如果需要,可以按操作顺序演示实验步骤,并附上插图。该方法已通过随机生成的网络拓扑样本集的积极结果进行验证。该方法的成功实验结果为传感器网络寿命最大化问题提供了更好的方法,并证明了当前最先进的量子处理器已经能够解决大型实际工程问题,其优点超过了目前文献中的方法。换句话说,量子优势可以尽最大努力加以利用。它已经超越了概念验证阶段,进入了可行性验证阶段。
传感器网络中的节能一直是设计1 中一个非常关键的问题。经典方法通常使用临时方法 2,3,4,5,6 来解决问题。也就是说,这些方法将传感器节点模拟为单独管理的智能资产,这些资产也可以合作为个人和社区的利益服务。由于传感器工作环境不稳定,在一些作品中,引入了随机算法来捕捉环境的不确定性,而在另一些作品中,则借用生物智能来设计启发式算法,以实现常识可接受的结果7.进一步说明,对于这些随机算法,一方面,环境不确定性可能不如经典CPU生成的随机序列那么随机,另一方面,即使环境不确定性是绝对随机的,也无法被经典CPU生成的随机过程模拟器捕获;对于这些生物智能算法,首先,没有经过严格的数学分析来使概念证明起作用,其次,只有在给定知情的地面事实的情况下,才能配置与真理的收敛性或容错边界 - 尽管文献中的大量作品已经在某种程度上证明了这些启发式算法是有效的, 一方面,这些算法是针对定义明确的用例场景进行分析(而不是模拟的),它们停留在某些标准上,这些标准仍然值得进一步研究,另一方面,如前所述,大多数算法尚未针对软件模拟进行验证,这....
1. 设置 Dwave 海洋环境
一个运行样品的结果如 表 2、 表 3 和 表 4 所示。三批数据的详细数据集可在 补充数据 1 文件夹中找到。
.......数据集 1 | ||
半径为 50m 的圆形区域内有 198 个节点 | 混合量子算法 | Advanced_Leach算法 |
FND型 |
目前最先进的商用量子处理器可用于任何网络拓扑结构的计算问题1.量子处理器应用程序不受任何量子处理器能够实现的物理量子比特数量的限制。
在传感器网络寿命延长设计中,结果表明,使用量子处理器实现更长网络寿命的方法取得了进步。结果表明,量子优势已准备好在公共和私营部门进行商业利用。
就管理意义而言,Quantum Adva.......
没有
这项工作得到了英国工程和物理科学研究委员会(EPSRC)的支持,资助号为EP / W032643 / 1。
....Name | Company | Catalog Number | Comments |
Dell Laptop | Dell | N/A | |
Ubuntu 18.04.6 LTS | Canonical Ltd | 18.04.6 LTS | |
Python3.8 | Python Software Foundation | 3.8.0 | |
Dwave QPU | Dwave | https://docs.ocean.dwavesys.com/en/stable/overview/install.html |
Request permission to reuse the text or figures of this JoVE article
Request PermissionExplore More Articles
This article has been published
Video Coming Soon
Copyright © 2025 MyJoVE Corporation. All rights reserved