Analisis Metode Quantum untuk Optimalisasi Algoritma Best First Search
Abstract
Pada penelitian ini, penulis mengusulkan metode quantum untuk menggantikan perhitungan klasik pada algoritma Best First Search, yang bertujuan untuk meningkatkan algoritma BFS dalam mencari solusi terbaik, dengan membuatnya bekerja lebih cepat. Penulis menggantikan setiap informasi yang disimpan dalam bit ke dalam bentuk qubit. Penulis telah melakukan percobaan terhadap 23 solusi dengan 3 qubit. Setelah menerapkan pendekatan qubit ini pada perhitungan BFS klasik maka diperoleh hasil akhir berupa perolehan solusi terbaik dengan percepatan yang signifikan. Dimana perhitungan BFS Klasik melakukan 8 kali perhitungan sementara BFS Quantum melakukannya hanya dengan 1 kali perhitungan saja.
Keywords
Full Text:
PDFReferences
H. Angriani and Y. Saharaeni, “Implementasi Algoritma Best First Search Dalam Sistem Pakar Pertolongan Pertama Pada Bayi dan Anak,” Inspir. J. Teknol. Inf. dan Komun., vol. 10, no. 2, p. 116, 2020, doi: 10.35585/inspir.v10i2.2575.
R. A. Dzakiy, “Optimasi Komputasi menggunakan Algoritma Quantum Grover dan Keunggulannya dalam Pemecahan Permasalahan Pencarian,” 2017.
M. Kapp, “Florida State University Libraries,” Elder Law Rev., vol. 1, 2002.
D. Horn and A. Gottlieb, “The method of quantum clustering,” Adv. Neural Inf. Process. Syst., no. April, 2002, doi: 10.7551/mitpress/1120.003.0103.
M. S. A. Rahmat and P. Nurwantoro, “Kajian Komputasi Algoritma Kuantum Quantum V ariational Eigensolver untuk Simulasi Molekul H2,” J. Fis. Indones., vol. 24, no. 1, p. 17, 2020, doi: 10.22146/jfi.v24i1.52011.
K. Bertels et al., “Quantum Computer Architecture Toward Full-Stack Quantum Accelerators,” IEEE Trans. Quantum Eng., vol. 1, pp. 1–17, 2021, doi: 10.1109/tqe.2020.2981074.
S. Resch and U. R. Karpuzcu, “Quantum Computing: An Overview Across the System Stack,” 2019, [Online]. Available: http://arxiv.org/abs/1905.07240.
L. M. Gultom, “Klasifikasi Data Dengan Quantum Perceptron,” Teknovasi, vol. 4, no. 1, pp. 1–9, 2017.
M. Schuld and N. Killoran, “Quantum Machine Learning in Feature Hilbert Spaces,” Phys. Rev. Lett., vol. 122, no. 4, p. 40504, Feb. 2019, doi: 10.1103/PhysRevLett.122.040504.
A. Sequeira, L. P. Santos, and L. S. Barbosa, “Generalised Quantum Tree Search,” pp. 39–40, 2021, doi: 10.1109/q-se52541.2021.00015.
L. Tarrataca and A. Wichert, “Tree search and quantum computation,” Quantum Inf. Process., vol. 10, no. 4, pp. 475–500, 2011, doi: 10.1007/s11128-010-0212-z.
D. Whitlock, P. Dey, and R. Hyatt, “A Parallel Best-First Search,” in Proceedings of the 1988 ACM Sixteenth Annual Conference on Computer Science, 1988, p. 735, doi: 10.1145/322609.323190.
A. Grover, “Perhitungan Analitik Algoritma Grover,” no. 1, pp. 1–5.
T. Peng, A. W. Harrow, M. Ozols, and X. Wu, “Simulating Large Quantum Circuits on a Small Quantum Computer,” Phys. Rev. Lett., vol. 125, no. 15, p. 150504, Oct. 2020, doi: 10.1103/PhysRevLett.125.150504.
M. Saw, “Prospek komputer kuantum di masa depan.”
DOI: http://dx.doi.org/10.26418/jp.v7i2.48557
Refbacks
- There are currently no refbacks.