检索结果-南通市图书馆

智慧交通场景下云边端协同的多目标优化卸载决策

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

西安电子科技大学学报 2024年第3期51卷 63-75页

作者：朱思峰宋兆威陈昊朱海乔蕊天津城建大学计算机与信息工程学院天津300384 周口师范学院网络工程学院河南周口466001

随着智慧交通、云计算网络以及边缘计算网络的快速发展,车载终端与路基单元、中心云服务器之间的信息交互变得越发频繁。针对智慧交通云边端协同计算场景下如何高效地实现车路云一体化融合感知、群体决策以及各级服务器间对资源的合理... 详细信息

随着智慧交通、云计算网络以及边缘计算网络的快速发展,车载终端与路基单元、中心云服务器之间的信息交互变得越发频繁。针对智慧交通云边端协同计算场景下如何高效地实现车路云一体化融合感知、群体决策以及各级服务器间对资源的合理分配问题,设计了基于云边端与智慧交通全面融合的网络架构。在该架构下,通过对任务类型的合理划分,再由各服务器对其进行选择性的缓存、卸载;在智慧交通云边端协同计算场景下,依次设计了一种对任务自适应的缓存模型、任务卸载时延模型、系统能量损耗模型、车载用户对服务质量不满意度评价模型、多目标优化问题模型,并给出了一种基于改进型非支配遗传算法的任务卸载决策方案。实验结果表明,文中方案能够有效降低任务卸载过程中所带来的时延和能耗,提高了系统资源利用率,给车辆用户带来更好的服务体验。

关键词：智慧交通云边端协同计算卸载决策多目标优化算法非支配遗传算法

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的UUV水下目标检测方法研究

基于深度学习的UUV水下目标检测方法研究

作者：弭永发山东交通学院

学位级别：硕士

水下目标检测技术在水下机器人(Unmanned Underwater Vehicle,UUV)探测海洋资源、感知外部环境的过程中发挥着至关重要的作用,并对我国海洋事业的研究及水下资源的开发具有深远的意义。传统目标检测方法的检测步骤繁琐且精度相对较低,... 详细信息

水下目标检测技术在水下机器人(Unmanned Underwater Vehicle,UUV)探测海洋资源、感知外部环境的过程中发挥着至关重要的作用,并对我国海洋事业的研究及水下资源的开发具有深远的意义。传统目标检测方法的检测步骤繁琐且精度相对较低,并不适用于水下机器人设备。虽然基于深度学习的目标检测方法为水下检测提供新的解决思路,但其检测模型仍存在计算量大、精度低等问题。尤其是水下环境的复杂性导致所采集水下图像的质量往往偏低,这也进一步加大了目标检测的难度。因此,深入研究适用于水下机器人领域的水下目标检测算法具有重要的应用价值。本文主要工作如下:首先,鉴于卷积神经网络在目标检测方面的优势,对深度学习卷积神经网络的相关理论进行了简要概述,并研究了当下常见的几种典型目标检测算法,为后续水下目标检测任务提供了理论基础。其次,针对水下图像普遍存在的对比度低以及颜色偏蓝或偏绿等问题,提出了一种新的多尺度融合的水下图像增强算法。该算法结合改进的白平衡算法和改进版CLAHE,通过引入不同权重图实现多尺度融合策略。为有效验证本文算法的可行性,通过主客观评价与其他算法进行对比分析。实验结果表明:本文提出的算法能够有效改善图像视觉效果,提高图像质量。三种客观评价指标UCIQE、信息熵、UIQM的均值分别达到了0.6390、7.7149、0.7183,均证明本文算法在解决水下图像色偏问题、提升图像对比度和亮度,以及增强图像细节和边缘特征方面表现出色。再次,针对YOLOv5s目标检测算法存在的模型权重大、计算量大、检测精度低等问题,提出了一种改进的YOLOv5s轻量化水下目标检测算法,该算法通过结合Ghost卷积模块、EMA注意力机制、CARAFE上采样方式,对YOLOv5s算法进行了有效改进。对提出的算法与其他算法在URPC公开数据集上进行对比分析,显示出明显优势。实验结果表明:所提出的YOLOv5s-G-E-C算法模型大小仅为9.7 M,参数量为4.38×10～6 M,计算量为8.4 GFLOPs,Precision、Recall、m AP@0.5也分别提高了4.2%、2.2%、2.5%。该算法能够在兼顾模型轻量化的同时,提高目标检测的精度。最后,为验证本文所提图像增强算法和目标检测算法的有效性和实用性,采用EROV4T水下机器人(教育版)在实验室水池中进行了实验。在利用图像增强算法处理UUV采集的图像并进行扩充和相应标注的基础上,利用提出的改进版YOLOv5s轻量化水下目标检测算法进行实验。同时,还开展了直接采用原始水下图像的目标检测对比实验,从而对图像增强算法的必要性进行验证。实验结果表明:经过增强的图像提升了水下目标的检测能力,总类别的Precision、Recall和m AP@0.5分别达到了97.8%、93%和95.9%。此外,为便于用户的学习和操作,还针对本文提出的算法开发相应的可视化操作界面,可实现图像增强、目标检测等功能。本研究推动了水下目标检测技术的发展,对水下机器人自动化捕捞等领域的应用具有重要的实际意义和参考价值。

关键词： UUV 水下目标检测水下图像增强多尺度融合 YOLOv5s

融合DV-Hop和智能优化算法的无线传感网定位机制研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合DV-Hop和智能优化算法的无线传感网定位机制研究

作者：孙志伟山东交通学院

学位级别：硕士

随着通信技术的快速发展,无线传感网(Wireless Sensor Network,WSN)因其部署灵活和廉价高效的特点被广泛地应用在智能家居、智慧城市、军事安全、环境监测等领域。无论在何种应用领域内,节点的位置信息都必不可少。因此,如何精确地获取... 详细信息

随着通信技术的快速发展,无线传感网(Wireless Sensor Network,WSN)因其部署灵活和廉价高效的特点被广泛地应用在智能家居、智慧城市、军事安全、环境监测等领域。无论在何种应用领域内,节点的位置信息都必不可少。因此,如何精确地获取节点的位置信息是WSN各项应用的前提。本文针对现有WSN定位算法定位精度低,难以满足应用需求等难题,分别设计了适用于二维环境的融合DV-Hop和麻雀搜索的二维无线传感网节点定位算法和适用于三维环境的基于连续跳数和麻雀搜索的改进三维无线传感网定位算法。本文主要研究内容如下:针对二维环境下DV-Hop算法定位性能差的问题,本文提出了一种融合DV-Hop和麻雀搜索的二维无线传感网节点定位算法。首先,本文提出了自适应跳数策略细化节点间的最小跳数,并采用跳数修正因子对节点间的跳数进行二次优化;其次,为了减小平均跳距的误差,本文采用最小均方误差准则计算平均跳距;第三,本文采用加权法和信任度法结合的方式来获取平均跳距,削弱远距离和计算误差大的锚节点对定位的影响;最后,为提高麻雀算法寻优性能,本文采用基于佳点集和自适应t分布的改进麻雀搜索算法优化未知节点的坐标。仿真结果表明,本文提出的融合DV-Hop和麻雀搜索的二维无线传感网节点定位算法的定位精度相比于DV-Hop算法、ABCDV-Hop算法、FADV-Hop算法等分别提高了60.20%、39.50%、40.06%。针对三维环境下多通信半径法细化节点间最小跳数会增大节点间通信开销的问题,本文提出了一种基于连续跳数和麻雀搜索的改进三维无线传感网定位算法。首先,本文利用邻居节点间距离与邻居节点数量间的关系,求解节点间的连续跳数,将节点间的跳数由离散值转化为连续值,减少最小跳数误差;其次,本文采用全网平均跳距代替未知节点从最近锚节点获取的平均跳距来减小平均跳距误差;最后,本文采用基于Levy飞行策略和自适应混合变异的麻雀搜索算法来获取未知节点坐标,减小未知节点坐标计算误差。仿真结果表明,本文提出的基于连续跳数和麻雀搜索的改进三维无线传感网定位算法的定位精度相比于3DDV-Hop算法、LGWO-3DDV-Hop算法、NSGA-II-3DDV-Hop算法分别提高了30.96%、18.71%、15.93%。

关键词：无线传感网 DV-Hop 自适应跳数策略麻雀搜索算法连续跳数优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱的室内场景多模态知识表达研究

基于知识图谱的室内场景多模态知识表达研究

作者：李建辛山东交通学院

学位级别：硕士

随着社会的发展和人们生活水平的提高,家庭服务机器人和工业智能机器人的需求不断增加。然而,它们在繁复多样的家庭和工业环境中面临着诸多挑战,特别是在物体检测和场景理解方面,它们会遇到物体遮挡、视觉噪音以及复杂结构等问题。为解... 详细信息

随着社会的发展和人们生活水平的提高,家庭服务机器人和工业智能机器人的需求不断增加。然而,它们在繁复多样的家庭和工业环境中面临着诸多挑战,特别是在物体检测和场景理解方面,它们会遇到物体遮挡、视觉噪音以及复杂结构等问题。为解决这些问题,本研究旨在提出有效的解决方案,以提高智能体在不同环境中的场景理解能力。针对智能体获取场景初始知识技术,本研究通过结合基于密度和分区的点云切分方法,实现了稳健的补全结果,并有效消除了不必要的点云重叠和溢出现象。全局和局部感受野的结合有效降低了点云补全任务中噪点和缺失对结果的影响,同时结合多种点云特征的投票网络,能够提供更加准确的结果。点云补全结果表现在S3DIS数据集和Model Net40数据集上实验精度均有提高,表明了整合点云密度线索的有效性和点云密度划分在点云对象识别中的有效性。在数据融合方面,使用YOLO模型提取图像特征,并生成边界框和类别概率,结合点云识别结果,使用位置重叠或形状相似等指标确定物体的识别结果,并输出综合检测结果。使用基于规则的方法从融合结果中生成结构化语义,并为不同对象划分亚空间结构。融合2D和3D数据在不同实验条件下,融合结果在精确度、训练时间等评判标准均能达到优秀值,证明了在融合过程中使用的不同方法的有效性。构建场景内知识图谱模型,对室内场景中的不同实体和实体之间的层次关系进行建模和分析,帮助知识图谱更好地表达场景知识。同时设计了能有效表达大场景内语义信息的亚空间结构,在此结构划分下,模型识别精确度能达到较高水平,各项检测指标均优于同类型模型。综上所述,多模态知识图谱在解决家庭服务机器人和工业智能机器人所面临的挑战中发挥着至关重要的作用。多模态融合后的实体解构方案可以使得机器人能够更准确地感知环境并执行任务。而基于亚空间特殊结构的知识图谱,则为多模态知识图谱的表达效果提供了丰富性和深度,为机器人在室内场景中的应用带来了更多可能性。

关键词：计算机视觉场景识别知识图谱数据融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的钢材表面缺陷检测研究

基于深度学习的钢材表面缺陷检测研究

作者：李延舜山东交通学院

学位级别：硕士

近年来我国大力推进基础设施建设,钢材产能不断扩大,因此使用钢材表面缺陷检测技术保证钢材的质量变得更加重要。早期钢材表面缺陷技术主要依赖于手工设计特征,存在主观性强、泛化能力差等缺点。随着深度学习技术的发展,基于深度学习的... 详细信息

近年来我国大力推进基础设施建设,钢材产能不断扩大,因此使用钢材表面缺陷检测技术保证钢材的质量变得更加重要。早期钢材表面缺陷技术主要依赖于手工设计特征,存在主观性强、泛化能力差等缺点。随着深度学习技术的发展,基于深度学习的钢材表面缺陷检测算法能够自动从数据中学习特征,识别更加复杂的缺陷,这一进展对推动制造业质量控制环节的自动化进程和智能化发展具有深远意义。虽然深度学习技术在钢材表面缺陷检测中展示了巨大的潜力,但在实际生产的应用过程中却暴露出两个主要的问题。首先在实际生产中钢材表面缺陷类型多样而且结构复杂,这对模型的识别能力提出了更高要求。此外基于大数据的深度学习模型意味着更多的参数和更复杂的计算,这直接增加了对计算资源的需求,特别是对于实际生产中计算能力有限的环境,深度学习模型的部署将面临诸多挑战。针对上述问题,为了实现更好的检测效果,本文提出一种在不增加模型尺寸的前提下提高检测精度的高效融合协调网络(Efficient Fusion Coordination,EFC-YOLO),并且提出一种适用低算力设备的轻量化高速检测模型(Lite-Speed Detect,LS-Detect),以极小的模型体积出色地完成钢材表面缺陷检测的任务。本文的主要的研究内容如下:(1)针对钢材表面缺陷检测算法对复杂缺陷和小目标缺陷识别准确率低的问题,本研究对目标检测模型进行优化提出高精度模型EFC-YOLO。本文使用FusionFaster模块作为特征提取网络的主要单元,Fusion-Faster模块的基本算子部分卷积(Partial Convolution,PConv)可以在保证速度的前提下加强浅层网络提取缺陷信息的能力。而在模型颈部网络采用去加权的双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)结构,以低廉的计算成本增加阶跃分支实现不同尺度特征融合。最后在主干网络底层加入捷径协调注意力机制(Shortcut Coordinate Attention,SCA),更好的捕获位置信息依赖性,兼顾轻量化设计和识别精准度。最终EFC-YOLO在NEU-DET数据集上实现了良好的检测精度。(2)针对工业设备计算资源有限的问题,本研究提出更加注重轻量化的高速模型LS-Detect兼容低算力生产设备。首先选择一个更加小巧的无锚框算法作为基线模型,为了弥补小模型丢失的精度,本研究加入空间分组增强模块(Spatial Group-wise Enhance,SGE)对通道进行语义分组,每个语义分组都能关注全局信息和长距离依赖关系,灵活调整每个特征的重要度,抑制缺陷背景的噪声。同时结合大核可分离注意力机制(Large Separable Kernel Attention,LSKA)在不增加计算负荷的前提下扩大感受野,进一步提高检测精度。最终在NEU-DET数据集上LS-Detect以轻量化的体积实现了理想的效果。(3)针对使用深度学习算法操作繁琐的问题,本研究设计了钢材表面缺陷检测系统便于非专业人员直观地使用缺陷检测算法。它不仅提高了缺陷检测的直观性和易操作性,为调整参数提供即时反馈,还有助于研究人员和工程师分析检测结果,加速了算法优化和系统调整的过程。在实际应用中,能够大幅度提升生产线的自动化水平。

关键词：深度学习目标检测多尺度特征注意力模块缺陷检测

基于路面附着系数估计的智能车辆主动避撞控制研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于路面附着系数估计的智能车辆主动避撞控制研究

作者：杜若飞山东交通学院

学位级别：硕士

智能车辆主动避撞系统需在不同路面条件下决策出不同的避撞方式,以保证车辆能够安全避撞。因此,本文针对路面附着系数估计算法和主动避撞算法存在的问题进行了深入研究,运用平方根容积卡尔曼滤波算法对路面附着系数进行估计,将路面附着... 详细信息

智能车辆主动避撞系统需在不同路面条件下决策出不同的避撞方式,以保证车辆能够安全避撞。因此,本文针对路面附着系数估计算法和主动避撞算法存在的问题进行了深入研究,运用平方根容积卡尔曼滤波算法对路面附着系数进行估计,将路面附着系数引入安全距离模型,建立制动避撞、转向避撞及转向制动联合避撞控制机制,实现智能车辆主动避撞控制,主要研究内容如下:(1)根据研究需要,利用Simulink建立三自由度车辆动力学模型、Dugoff轮胎模型、逆制动系统模型和逆转向系统模型。为验证模型的有效性,通过Car SimSimulink联合仿真平台对模型进行仿真验证,通过定量分析仿真结果说明模型的有效性。(2)分析现有路面附着系数估计算法的不足,针对容积卡尔曼滤波算法在路面附着系数估计中出现的协方差矩阵不对称导致滤波发散问题进行改进,提出平方根容积卡尔曼滤波算法,并通过联合仿真对该算法进行验证。基于平方根容积卡尔曼滤波算法估计路面附着系数,设计安全距离模型,通过五次多项式对换道避撞安全性进行分析,设计了避撞方式的切换策略。(3)针对制动避撞策略,采用分层控制方法对制动避撞控制系统进行分层,上层控制器基于LQR算法计算期望制动减速度,下层控制器通过PID算法跟踪期望制动减速度,进而改变制动压力,控制车辆完成制动避撞操作。针对转向避撞策略,利用五次多项式方法对避撞路径进行规划,通过MPC算法控制车辆对规划的路径进行跟踪,以完成转向避撞操作。针对转向制动联合避撞策略,考虑避撞过程中的横纵向耦合问题,通过烟花算法对转向分配系数和制动分配系数进行优化求解,实现转向和制动的优化分配,利用PID算法对期望纵向加速度和期望侧向加速度进行跟踪,实现闭环控制。(4)利用PreScan、CarSim和Simulink搭建联合仿真平台,以验证算法的有效性。在Car Sim中建立精确的车辆动力学模型,通过Pre Scan为智能车辆添加传感器并搭建智能车辆的外部运行环境,将传感器检测到的环境信息输入到Simulink模型中完成联合仿真。仿真结果表明,本文所设计的算法具有准确性和有效性,能够控制智能车辆完成主动避撞操作。

关键词：智能车辆路面附着系数估计主动避撞分层控制烟花算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卡口数据的绿波设计速度计算方法研究

基于卡口数据的绿波设计速度计算方法研究

作者：马天一山东交通学院

学位级别：硕士

近年来随着城市经济的快速发展,人口逐渐向城市集中,致使汽车保有量剧烈激增,城市交通压力与日俱增,交通问题愈发严重,交通拥堵目前已成为各大城市发展面临的共同问题。城市道路干线绿波协调控制可以有效降低延误时间,提高交通效率,被... 详细信息

近年来随着城市经济的快速发展,人口逐渐向城市集中,致使汽车保有量剧烈激增,城市交通压力与日俱增,交通问题愈发严重,交通拥堵目前已成为各大城市发展面临的共同问题。城市道路干线绿波协调控制可以有效降低延误时间,提高交通效率,被广泛地研究和应用在实际场景。绿波设计速度是干线绿波协调控制的一项重要参数,但目前国内外的研究大多是将车速与绿波协调控制相结合,通过对车速进行诱导来提升绿波运行效果,缺乏对绿波设计速度这一参数的研究。本文围绕此现状,进行了如下工作。首先,对卡口数据进行数据清洗以提高卡口的数据质量,对原始数据中可能存在的冗余数据、错误数据、无效数据等问题、产生的原因以及相应的数据预处理方法进行了分析,为后续的车辆行程时间分析和应用提供了数据支撑。其次,将绿波设计速度界定为没有延误与干扰的绝大多数车辆的行驶速度,根据车牌信息进行匹配获取车辆的行程时间,并对行程时间异常值进行分析,详细解析了车辆延误机理,设计车辆延误的行程时间筛除方法,从而对行程时间中存在的异常值进行剔除,基于此,阐述了绿波设计速度的测算原理。最后,通过速度频率分布曲线和速度累计频率分布曲线对车辆行驶速度的分布特性进行了分析,根据速度与累计频率的拟合函数构建车辆行驶速度的多目标优化模型,模型目标函数考虑两个不同速度值对应的累计频率差值最大、两个不同速度值差值最小等方面,运用模拟退火算法求解该多目标优化模型,以济南市经十路(环山路至山大路)路段为研究案例求解出的绿波设计速度为52.2km/h～54.4km/h,现状实行的实际绿波速度为53km/h,验证本文提出的绿波设计速度计算方法的科学合理性。利用本文提出的方法计算得到的绿波设计速度,能有效应对道路上车辆的动态行驶速度变化,减少延误时间和停车次数,对于提高绿波协调控制的效果具有重要意义。

关键词：绿波设计速度车辆延误多目标优化模拟退火算法卡口数据

基于物理信息神经网络的气缸压力高阶导数拟合研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于物理信息神经网络的气缸压力高阶导数拟合研究

作者：马飞燕山东交通学院

学位级别：硕士

发动机热力过程的分析对于评估和优化其性能至关重要。气缸压力及其高阶导数承载着发动机热力过程的关键信息。传统方法在计算实测的气缸压力高阶导数时,通常会受到噪声的干扰,往往会偏离物理真实。随着物理信息神经网络的进步和自动微... 详细信息

发动机热力过程的分析对于评估和优化其性能至关重要。气缸压力及其高阶导数承载着发动机热力过程的关键信息。传统方法在计算实测的气缸压力高阶导数时,通常会受到噪声的干扰,往往会偏离物理真实。随着物理信息神经网络的进步和自动微分技术的发展,神经网络在获取高阶导数方面逐步得到应用。由于缺乏描述气缸压力变化的完整数学模型及边界条件,传统物理信息神经网络无法直接用到气缸压力的拟合上。本文利用真实物理过程中的局部单调性特点,将极值点作为约束引入到神经网络的训练中,基于此提出了一种极值特征神经网络,并将其应用于气缸压力高阶导数拟合中,获得趋势不偏离物理真实的高阶导数。本文的主要内容如下:(1)建立了包含极值特征的损失函数。从理论上分析了噪声对高阶导数的影响,并进行了数值仿真实验验证,论证了极值特征作为拟合约束条件的必要性。对典型过程函数的极值分布进行了分析,论证了极值特征作为约束的可行性。在此基础上,提出极值特征误差,并与样本误差结合,建立了包含极值特征的损失函数。(2)建立了神经网络自动微分模型。依据链式法则,将每个节点关于输入的高阶导数,表示成前一层各节点关于输入的各阶导数的函数,得到了通用的层与层间导数公式,建立了模块化的神经网络自动微分模型。(3)建立了极值特征神经网络的实现方法。建立了极值特征神经网络类,类包括属性和方法。属性包括各节点的高阶导数。类方法包括初始化方法和训练方法。类的初始化方法,能够实现单输入、单输出、任意隐藏层层数和任意节点数目的极值特征神经网络。所建立的实现方法能够实现极值特征神经网络。(4)应用极值特征神经网络对气缸压力进行了高阶导数拟合研究。极值特征神经网络的拟合结果与传统神经网络和样条曲线拟合结果对比研究表明,极值特征神经网络能够获得符合物理趋势的气缸压力高阶导数。对发动机不同工况的气缸压力高阶导数分析表明,高阶导数随工况变化有明显的差异。

关键词：气缸压力高阶导数损失函数极值特征神经网络

基于矩阵乘积压缩态的动态可扩展秘密共享方案研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

物理学报 2024年

作者：赖红万林春西南大学计算机与信息科学学院

目前，基于纠缠态的量子秘密共享(Quantum Secret Sharing， QSS)方案未充分利用纠缠态的概率振幅潜力。然而，纠缠态的概率振幅是量子信息学的一个关键特性，在量子计算和量子通信等领域有着广泛的应用潜力。值得注意的是，纠缠态可以... 详细信息

目前，基于纠缠态的量子秘密共享(Quantum Secret Sharing， QSS)方案未充分利用纠缠态的概率振幅潜力。然而，纠缠态的概率振幅是量子信息学的一个关键特性，在量子计算和量子通信等领域有着广泛的应用潜力。值得注意的是，纠缠态可以通过矩阵乘积态(Matrix Product State， MPS)有效表达。利用MPS对纠缠态进行表征，能够准确地揭示与概率振幅相关的纠缠特性。本研究证明利用MPS表征纠缠态，可以将一个W态压缩为一个单光子和一个矩阵，展示一种新的技术路径。此外，本研究还提出MPS与秘密共享方案之间的创新互操作性，即通过压缩允许量子份额与共享的量子态之间形成非一对一的映射关系。这种方法可能提供一种更高效的方式来实现量子信息的编码和传输，对于量子秘密共享尤为重要。同时，我们提出的QSS方案具有动态特性，能够根据需要轻松地添加或移除参与者，以更好地适应参与者需求的变化，并在实际应用场景中展现出更高的实用性和适应性。本文的方案能够在保持高效纠缠利用的同时，满足系统的多元需求，包括但不限于通信安全性、数据传输率和系统的可扩展性。

关键词：矩阵乘积压缩态纠缠态的概率振幅可扩展性动态性