פרוטוקול זה מוכיח שהוא חכם יותר מבחינה אנרגטית מאשר פרוטוקולים ישנים. מנקודת מבט של מחקר מחשוב תוכן, פרוטוקול זה מראה כי צוואר הבקבוק הנוכחי של בעיית קיוביטים רועשים אינו מחזיק תקרה למסחריות של טכנולוגיית מחשוב תוכן. טכניקה זו מדגימה את ההיתכנות של יישום שיטות מחשוב תוכן אמנות המצב הנוכחי לבעיות רשת.
יתר על כן, הוא מציג את היתרונות של יישום שיטות מחשוב תוכן לבעיות רשת על פני שיטות מדור קודם. כדי להתחיל, הורד והתקן את כלי האוקיינוס מהקישור הנתון. בטרמינל, הקלד python space minus m space venv space ocean ואז ים/פח/הפעל.
לאחר מכן, הקלד git space clone space https:github.com/dwavesystems/dwave-ocean-sdk. Git לאחר מכן CD Space dwave-Ocean-SDK, ואחריו Python Space Setup. התקנת שטח PY.
לאחר הורדה והתקנה של Cplex, בטרמינל, הקלד שטח פיפ התקן שטח cplex. באמצעות סקריפט סימון תכנות Python, הגדר את פרמטרי תצורת הניסוי. לאחר הפעלת הסקריפט, השפה הבסיסית תעבד לאחסון המשתנים ב- RAM.
לאחר מכן, צור את סקריפטי Python כדי ליצור 198 עמדות צומת חיישן 2D המפוזרים באופן שווה לשישה סקטורים, ולחלק את השטח המעגלי עם רדיוס של 50 מטר. בתוך כל סקטור, ודא ש-33 צמתי החיישנים מפוזרים באופן אקראי על ידי התפלגות נורמלית. שמור את המיקומים הדו-ממדיים בקבצי טקסט לפי כל סקטור תחת כלל איות השם כ- posdata עם גרש בודד, בתוספת קו תחתון למגזר ללא סימן פלוס txt עם גרש בודד.
פלחו את השטח המעגלי ברדיוס של 50 מטרים לשישה סקטורים. עבור אינדקס סקטור I, הגדר את אורך הקוטב עבור צומת חיישן jth על-ידי הזנת הפקודה שצוינה. אם אינדקס המגזר הוא L, הגדר את הערך הזוויתי עבור צומת חיישן jth.
לאחר מכן הגדר את הקואורדינטות הקרטזיות של צומת חיישן jth בגזרת ith. כדי להכין את רמות האנרגיה הראשוניות לכל 198 צמתי החיישן, חלקו אותם שווה בשווה, והקצו אנרגיה התחלתית של 0.5 ג'אול למחצית מצמתי החיישן וג'אול אחד למחצית השנייה. המשך ליצירת מערך לאחסון רמת האנרגיה של כל צומת והשתמש בלולאה כדי להקצות לתאים המרוצפים במספרים זוגיים את הערך של אחד ואת אלה המסודרים במספרים אי-זוגיים את הערך של 0.5.
לאחר מכן, הכן סקריפט פונקציונלי לבחירת ראש האשכול. עבור כל צומת חיישן, השג מספר אקראי בין אפס לאחד, threshold_rm שווה לאקראי. סוגר אקראי.
אם threshold_RM קטן מ-t_n, בחר צומת חיישן זה כראש האשכול. עבור כל צומת noncluster_head, בחר את צומת חיישן ראש האשכול הקרוב ביותר אליו כראש האשכול שלו. הכן את שורות הפקודה כדי לחשב את תהליך דלדול האנרגיה ברחבי הרשת כולה עבור סבב זה.
לבסוף, חשב את מדדי סבב השידור הנדרשים. כדי להכין סקריפט של אלגוריתם קוונטי היברידי, הפעל את הליך הבחירה בלולאה כדי להבטיח שכמות ראשי הצביר היא שישה. לאחר מכן, עבור כל אחד מהצמתים שאינם cluster_head_valid, חשב את המרחק לכל ראש אשכול שנבחר והקצה אותו לראש האשכול שגודל האשכול שלו לא עלה על שש ושבו ערך המרחק היה הקטן ביותר.
לאחר מכן, הכן סקריפט תת-פונקציה שבו בעיית מיטוב ההשתרשות לכל אשכול נוצרת ונשלחת ל- API של Dwave. באמצעות סקריפט Python, חשב את דלדול האנרגיה ברחבי הרשת כולה כדי להעריך כמותית את האלגוריתם לפי אורך חיי הרשת במונחים של מספר סבבי השידור. לאחר מכן רשום את הרגע שבו הצומת הראשון מנוקז החוצה וכאשר חצי מהצמתים מנוקזים החוצה.
במחקר זה נצפה כי לאלגוריתם הקוונטי ההיברידי יש יעילות רבה יותר מאשר לאלגוריתם advanced_leach. סיבוכיות הזמן של האלגוריתם הקוונטי ההיברידי והאלגוריתם הקוונטי ההיברידי התואם את advanced_leach מוצגים גם כאן. שיטות אלה ניתן ליישם על מערכות אחרות אופטימיזציה אובייקטיבית.
לדוגמה, תקשורת מכונה-למכונה בתעשיית הייצור. על פי פיזיקת התוכן, תורת התוכן סללה בעיות לכל הגדרת משחק קבועה. זה יכול להוביל למחקר חדש במדעי החברה והכלכלה.
