Grover搜索算法

一 简介

Grover算法和Shor算法是量子算法领域两个最重要的量子算法，而Grover算法相比于Shor因子分解算法，有着更广泛的应用。

二 问题描述

$N=2^n$，给定一个任意的 x ∈ { 0 , 1 } n x\in\{0,1\}^n x∈{0,1}n；
目标：找到$i$使得$x_i=1$（如果没有这样的$i$，输出“no solution”）。

注：经典随机算法需要$\Theta (n)$次查询才能解决该搜索问题；Grover搜索算法需要$O(\sqrt{n})$次查询，$O(\sqrt{n}\log n)$个其他量子门就可以解决该搜索问题（平方加速）。

三 算法描述

3.1 量子门

1.查询量子门 $O_{x,\pm }|0⟩=(-1{)}^{x_i}|i⟩$；
2.酉变换R：$|0^n,b⟩\to |0^n,b⟩$, 其中 b ∈ { 0 , 1 } b\in\{0,1\} b∈{0,1};
                                \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\, $|i,b⟩\to |i,b⟩$, 其中 i ∈ { 0 , 1 } n ∖ { 0 n } i\in\{0,1\}^n\setminus\{0^n\} i∈{0,1}n∖{0n}。
3.Grover迭代：$\mathcal{G}=H^{\otimes n}R{H}^{\otimes n}{O}_{x,\pm }$。

3.2 量子线路

为了便于分析，我们定义两个量子态:
“Good”态：

“Bad”态:

其中$t$就是满足$x_i=1$的$i$的个数。

算法步骤如下：
1.设置初始量子态

2.令$\epsilon =t/N$，应用$k=O(1/\epsilon )$次如下变换：
$$\mathcal{G}=H^{\otimes n}R{H}^{\otimes n}{O}_{x,\pm }$$
3.测量寄存器的状态，并检查测量结果$i$是否是解。

其中，算法第2步理解如下：

简单来说，算法第2步：量子态从状态$|U⟩$出发，通过不断的“反射+反射”，不断向目标态$|G⟩$靠近。而目标态$|G⟩$就是满足$x_i=1$的$|i⟩$的叠加态。