اتاماتای کوانتومی و کاربردهای آن - ویرایش دوم
1.1. جدول محتوا
1.1. جدول محتوا 3
مقدمه: 7
اتاماتای مختلط با مجموعه احتمال یک سه دسته ای:(با نام اتاماتای مختلط با مجموعه احتمال یک نارنجی-آبی-سبز ) 10
نتیجه پیاده سازی قانون خطی نیمه تصادفی: 16
اگر محیط یک مساله ی فروشنده ی دوره گرد باشد با استفاده از این اتاماتا چگونه قابل پیاده سازی خواهد بود؟ 17
آیا می توان اتاماتای کوانتومی را طراحی کرد که فکرکند؟ برای مثال آیا امکان دارد نشانگر خطی رسم شده را به وسیله ی اتاماتا یادگیری نماید؟ 18
همچنین مساله ی اسب در همه ی خانه ها را چگونه می توان حل کرد؟ 18
آیا امکان دارد بازی پیدا کردن مین ها را با اتاماتای کوانتومی انجام دهیم؟ به عبارت دیگر آیا امکان دارد مجموعه از مین ها را در کمترین زمان ممکن با الگوریتمهای کلاسیک پیمایش کوتاهترین زمان گراف و spanning tree پیمایش کنیم؟ 22
مساله ی 8 وزیر را با اتاماتا حل کنیم! چگونه می توان مساله ی 8 وزیر را با اتاماتا ی کوانتومی حل کرد؟ 23
مساله ی رنگ آمیزی: 24
چگونه می شود یک صفحه ی شطرنجی n*n را با m رنگ طوری حل کرد که هیچ دوخانه ی مجاوری همرنگ نباشند و از تمام رنگها استفاده شده باشد؟ 24
"مساله ی مسیر مارپیچ 25
رمز نگاری: 27
پیوستها : 29
هازارد و توزیع گرما در صفحه درونی یابی احتمال 29
چکیده: 29
بحث سامانه: 30
بحث المانها: 30
یک تعریف: 31
یک قانون: 33
پیاده سازی یافتن دما: 34
توزیع گرما: 34
تعریف 2: 34
تعریف 3: 34
بحث احتمال: 37
یک تئوری: 37
نقش 1: 38
حقه ی غیر معمول: 38
حذف هازارد: 39
درونیابی احتمال 39
چکیده: 39
2. احتمالهای فاصله ای صفحه مورد بررسی در ‘n’ نقطه 40
2.1. ضرائب مورد نیاز 40
2.2. یافتن ضرائب 40
2.3. مقدار نقطه ی (x,y) 41
2.4. احتمال موفقیت 41
2.5. استراتژی محاسبه 41
2.6. نقاط پراکندگی 41
2.7. ایجاد دقت: 42
3. درونیابی: 50
4. تابع درونیابی احتماب گسسته 51
4.1. تعریف: 51
4.2. انتگرال ماتریس ضرائب 51
4.3. یافتن معادله 52
5. هازارد و تابع درونیابی صفحه ای احتمالی پیوسته 60
5.1. چکیده: 60
4.1.1 بحث سامانه 60
4.1.2 بحث المانها 60
یک تعریف: 62
یک قانون: 63
پیاده سازی یافتن دما: 64
توزیع گرما: 64
تعریف 2: 64
تعریف 3: 65
4.1.3 یافتن تابع از حالت گسسته 67
5.2. بحث احتمال: 72
یک تئوری: 73
حقه ی غیر معمول: 74
حذف هازارد: 74
6. کاربرد درونیابی غیر خطی احتمالی 76
6.1. بحث 76
مرحله 1: 77
مرحله ی 2 78
6.2. پیدا کردن : 80
یک تئوری: 82
m=2: 82
K=p 82
K=p+1 82
مرحله ی 3: 83
7. پیدا کردن شکل چند جمله ای تابع با ‘n’ نقطه 85
7.1. نوع دوم درونیابی درونیابی فاصله ای تابعی احتمالی 85
7.1.1. بحث 85
قانون: 85
قانون 86
7.2. تابع گسسته: 86
7.3. گرانش پیوسته 87
7.4. کاربرد تابع گرانشی 88
7.5. بررسی درونیابی صفحه ای فاصله ای برای ‘n’ نقطه 88
7.5.1. ضرائب مورد نیاز: 88
7.6. یافتن ضرائب 89
7.7. مقدار نقطه ی (x,y) 89
7.8. احتمال موفقیت 90
7.9. . مقدار نقطه ی (x,y) 90
7.10. احتمال موفقیت 90
7.11. استراتژی محاسبه 90
7.12. نقاط پراکندگی 91
7.13. ایجاد دقت: 91
References: 93
