JPH11272713A - カオスのタイムシリーズをデータベースとして持つ ディジタルコンピュータ - Google Patents
カオスのタイムシリーズをデータベースとして持つ ディジタルコンピュータInfo
- Publication number
- JPH11272713A JPH11272713A JP11403398A JP11403398A JPH11272713A JP H11272713 A JPH11272713 A JP H11272713A JP 11403398 A JP11403398 A JP 11403398A JP 11403398 A JP11403398 A JP 11403398A JP H11272713 A JPH11272713 A JP H11272713A
- Authority
- JP
- Japan
- Prior art keywords
- time series
- chaos
- database
- data base
- cpu
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000013139 quantization Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 12
- 125000004122 cyclic group Chemical group 0.000 abstract 1
- 235000019801 trisodium phosphate Nutrition 0.000 description 8
- 230000000739 chaotic effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【目的】 ディジタルコンピュータを用いた複雑な組み
合わせ問題に対する問題解決能力を向上させる。 【構成】 カオスのタイムシリーズを検索すべきデータ
ベースとして、メインメモリのようなCPUの近くに持
つようにする。ここでデータベースに格納されるカオス
のタイムシリーズは、計算によるものや計測されたもの
であり、非線形量子化処理または非線形量子化演算を行
ったもの、縮退した量子に関する過去のタイムシリーズ
やそれを剰余演算したテーブル等である。
合わせ問題に対する問題解決能力を向上させる。 【構成】 カオスのタイムシリーズを検索すべきデータ
ベースとして、メインメモリのようなCPUの近くに持
つようにする。ここでデータベースに格納されるカオス
のタイムシリーズは、計算によるものや計測されたもの
であり、非線形量子化処理または非線形量子化演算を行
ったもの、縮退した量子に関する過去のタイムシリーズ
やそれを剰余演算したテーブル等である。
Description
【0001】
【産業上の利用分野】32ビット幅にまで拡張されたデ
ィジタルコンピュータのCPUは、32ビット・バイナ
リ・コード間のすべての組み合わせを用いた数値計算と
論理処理を実行する。今日のコンピュータは、実数の四
則演算を十分な精度で繰り返し計算できるかという意味
での計算能力には欠ける。また、巡回セールスマン問題
(traveling salesman probl
em,TSPと略す)を解くというような複雑な組み合
わせ問題に関し、すべての組み合わせをしらみつぶしに
調べていく計算能力にも欠けている。
ィジタルコンピュータのCPUは、32ビット・バイナ
リ・コード間のすべての組み合わせを用いた数値計算と
論理処理を実行する。今日のコンピュータは、実数の四
則演算を十分な精度で繰り返し計算できるかという意味
での計算能力には欠ける。また、巡回セールスマン問題
(traveling salesman probl
em,TSPと略す)を解くというような複雑な組み合
わせ問題に関し、すべての組み合わせをしらみつぶしに
調べていく計算能力にも欠けている。
【0002】本案は複雑な組み合わせ問題に対する問題
解決能力を向上させるために、ディジタルコンピュータ
のCPUの出来るだけ近くのメモリにカオスのタイムシ
リーズをデータベースとして持たせることを特長とす
る。
解決能力を向上させるために、ディジタルコンピュータ
のCPUの出来るだけ近くのメモリにカオスのタイムシ
リーズをデータベースとして持たせることを特長とす
る。
【0003】
【従来の技術】カオスのタイムシリーズをデータベース
として用意し、過去への分岐を利用して暗号コードの生
成を行い、未来への決定論的性質を利用して復元を行
う、暗号化復元手法は既に知られている。
として用意し、過去への分岐を利用して暗号コードの生
成を行い、未来への決定論的性質を利用して復元を行
う、暗号化復元手法は既に知られている。
【0004】音声や動画のように実時間処理を要求され
る場合でも、それほどの高速動作が要求されるわけでは
ない。CPUとデータベースが離れていても不都合はな
い。文書の暗号化復元のように、処理速度に制限がない
ときには、データベースはフロッピーディスクのような
他の電子機器であってもよい。
る場合でも、それほどの高速動作が要求されるわけでは
ない。CPUとデータベースが離れていても不都合はな
い。文書の暗号化復元のように、処理速度に制限がない
ときには、データベースはフロッピーディスクのような
他の電子機器であってもよい。
【0005】
【発明が解決しようとする課題】TSPのように組み合
わせの数が、都市の数の増大に対して指数関数的に増大
する問題を汎用ディジタルコンピュータを用いて効率よ
く解を見出していくためには、2つの点での改善が必要
となる。
わせの数が、都市の数の増大に対して指数関数的に増大
する問題を汎用ディジタルコンピュータを用いて効率よ
く解を見出していくためには、2つの点での改善が必要
となる。
【0006】第1点は、検索や距離計算といった演算を
実行するCPUと、カオスのタイムシリーズをデータベ
ースとして蓄積しているメモリとをできるだけ近づけて
配置しておくことである。ワンチップCPUのメインメ
モリにカオスのタイムシリーズのデータベースを収納し
ておくとよい。
実行するCPUと、カオスのタイムシリーズをデータベ
ースとして蓄積しているメモリとをできるだけ近づけて
配置しておくことである。ワンチップCPUのメインメ
モリにカオスのタイムシリーズのデータベースを収納し
ておくとよい。
【0007】第2点は、カオスのタイムシリーズのデー
タベースを効率よく高速に検索できるように、あらかじ
め有効なデータ処理を施しておくとよい。
タベースを効率よく高速に検索できるように、あらかじ
め有効なデータ処理を施しておくとよい。
【0008】
【課題を解決するための手段】カオスのタイムシリーズ
は、離散時間の増大する方向(未来)に向かって計測し
た、あるいは計算したデータベースである。時間順序は
カオスの本質を見失わないために、変更しない方がよ
い。
は、離散時間の増大する方向(未来)に向かって計測し
た、あるいは計算したデータベースである。時間順序は
カオスの本質を見失わないために、変更しない方がよ
い。
【0009】計測は量子化(AD変換)して行われる。
そのときに、伝達特性上において量子の縮退がおこる。
縮退した量子が相互に重なり合わないことが望ましい。
ロジスティックマップ関数のような一次元写像関数の解
析的に知られた計算によりタイムシリーズを生成する場
合にも、同相変換量子化のような手法を駆使し、縮退し
た量子に重なりがないようにタイムシリーズを生成する
方がよい。
そのときに、伝達特性上において量子の縮退がおこる。
縮退した量子が相互に重なり合わないことが望ましい。
ロジスティックマップ関数のような一次元写像関数の解
析的に知られた計算によりタイムシリーズを生成する場
合にも、同相変換量子化のような手法を駆使し、縮退し
た量子に重なりがないようにタイムシリーズを生成する
方がよい。
【0010】過去への分岐を利用した1対多対応関係を
利用するときには、タイムシリーズをいったん検索し
て、縮退した量子に関する過去のタイムシリーズとして
データベース化しておく方がTSPには適合する。
利用するときには、タイムシリーズをいったん検索し
て、縮退した量子に関する過去のタイムシリーズとして
データベース化しておく方がTSPには適合する。
【0011】都市数に関し専用のデータベースとすると
きには、タイムシリーズに都市数を用いた剰余演算を導
入して、例えば8都市の時には、(0,1,2,3,
4,5,6,7)のみを用いた順列となるようにデータ
ベースを作り直しておく。
きには、タイムシリーズに都市数を用いた剰余演算を導
入して、例えば8都市の時には、(0,1,2,3,
4,5,6,7)のみを用いた順列となるようにデータ
ベースを作り直しておく。
【0012】
【作用】カオスはあらゆる周波数の波を包含している。
未来へのタイムシリーズをそのまま剰余演算してデータ
ベースとしてもよい。そこから取り出された順列組み合
わせには、一定の傾向が見られることが多い。そのこと
を利用してTSPを解くのも一つの方法である。
未来へのタイムシリーズをそのまま剰余演算してデータ
ベースとしてもよい。そこから取り出された順列組み合
わせには、一定の傾向が見られることが多い。そのこと
を利用してTSPを解くのも一つの方法である。
【0013】縮退した量子が相互に重なり合わず、かつ
過去の状態にも重なり合いがない、過去のタイムシリー
ズは、過去への分岐の確率に従って複雑な組み合わせと
なる。対称な一次元写像回路や関数は過去への分岐の確
率が等しくなり、データベースの要素の出現頻度も等し
くなる。カオスの過去のタイムシリーズは、すべての量
子状態の組み合わせを内包している。未来への遷移を利
用するよりも、過去への分岐を利用した方が、1組の順
列組み合わせをベクトルと見たてたときの相互のベクト
ル間の距離が離れている、順列組み合わせを取り出すこ
とができる。
過去の状態にも重なり合いがない、過去のタイムシリー
ズは、過去への分岐の確率に従って複雑な組み合わせと
なる。対称な一次元写像回路や関数は過去への分岐の確
率が等しくなり、データベースの要素の出現頻度も等し
くなる。カオスの過去のタイムシリーズは、すべての量
子状態の組み合わせを内包している。未来への遷移を利
用するよりも、過去への分岐を利用した方が、1組の順
列組み合わせをベクトルと見たてたときの相互のベクト
ル間の距離が離れている、順列組み合わせを取り出すこ
とができる。
【0014】例えば、同相変換を用いた8ビットに量子
化したタイムシリーズZ(t)−tにおいて、内部状態
Z(t)は0〜255の整数値に量子化されている。離
散時間軸t上を過去へ戻る伝達特性を調べるステップを
τ=4としたとき、伝達特性Z(t)−Z(t−4)に
は16個の縮退した量子が存在する。それらに[0],
[1],…,[15]の番号を付す。
化したタイムシリーズZ(t)−tにおいて、内部状態
Z(t)は0〜255の整数値に量子化されている。離
散時間軸t上を過去へ戻る伝達特性を調べるステップを
τ=4としたとき、伝達特性Z(t)−Z(t−4)に
は16個の縮退した量子が存在する。それらに[0],
[1],…,[15]の番号を付す。
【0015】タイムシリーズ上を検索し、例えば縮退し
た量子[7]のあるZ(t)を発見したら、対応する4
つ前の値Z(t−4)を求める。この操作を繰り返すこ
とにより、縮退した量子[7]に関するタイムシリーズ
Z(t−4)−tのテーブルを作ることができる。
[7]以外の他の縮退した量子に関しても同様に4ステ
ップ過去のタイムシリーズZ(t)−tを作ることがで
きる。
た量子[7]のあるZ(t)を発見したら、対応する4
つ前の値Z(t−4)を求める。この操作を繰り返すこ
とにより、縮退した量子[7]に関するタイムシリーズ
Z(t−4)−tのテーブルを作ることができる。
[7]以外の他の縮退した量子に関しても同様に4ステ
ップ過去のタイムシリーズZ(t)−tを作ることがで
きる。
【0016】Z(t−4)の整数列は、それぞれの縮退
した量子に関し、16種類の固有の整数値からなる。剰
余演算を行うことにより、0〜15の整数のみの配列と
なる。
した量子に関し、16種類の固有の整数値からなる。剰
余演算を行うことにより、0〜15の整数のみの配列と
なる。
【0017】整数の優先順位に従って繰り返しあらわれ
る整数を排除することにより、0〜15の整数を1個の
み使用した様々な組み合わせをデータベースとして取り
出すことができる。
る整数を排除することにより、0〜15の整数を1個の
み使用した様々な組み合わせをデータベースとして取り
出すことができる。
【0018】
【実施例】0番都市から50番都市としに至る巡回路に
関するデータベースの1例と、対応する距離計算結果の
1例を表1、表2、表3に対応して示す。
関するデータベースの1例と、対応する距離計算結果の
1例を表1、表2、表3に対応して示す。
【0019】
【表1】
【0020】
【表2】
【0021】
【表3】
【0022】表1、表2、表3に示す16都市のTSP
では、地図上に16都市が配置され、各都市には0〜1
5の番号が付されている。番号の与え方は任意でよい。
それによって結果が変わることはない。例えば地図がビ
ットマップ座標空間に配置されているときには、都市の
座標を読みとり都市間距離を算出し、カオスが与える巡
回路(表1)に従って距離Dを計算することは容易であ
る。必ずしも地図上に視覚化する必要はなく、都市の座
標をテーブルで与えてもよい。地図上に視覚化をするこ
との効果は、最終判断をするときに、人手によるつなぎ
かえを許し、最終出力を最短巡回路に近づけるときに有
用である。
では、地図上に16都市が配置され、各都市には0〜1
5の番号が付されている。番号の与え方は任意でよい。
それによって結果が変わることはない。例えば地図がビ
ットマップ座標空間に配置されているときには、都市の
座標を読みとり都市間距離を算出し、カオスが与える巡
回路(表1)に従って距離Dを計算することは容易であ
る。必ずしも地図上に視覚化する必要はなく、都市の座
標をテーブルで与えてもよい。地図上に視覚化をするこ
との効果は、最終判断をするときに、人手によるつなぎ
かえを許し、最終出力を最短巡回路に近づけるときに有
用である。
【0023】カオスが提供する巡回路に沿って、ディジ
タルコンピュータのCPUが積和演算を実行して距離D
を求めることは容易である。この操作を繰り返し、順次
短い方の距離Dを残すことにより、一連の検索における
最小距離Dminに至る。ちなみに表1、表2、表3の
最小距離はDmin=1414である。
タルコンピュータのCPUが積和演算を実行して距離D
を求めることは容易である。この操作を繰り返し、順次
短い方の距離Dを残すことにより、一連の検索における
最小距離Dminに至る。ちなみに表1、表2、表3の
最小距離はDmin=1414である。
【0024】16都市の場合、巡回路の組み合わせの総
数は、出発地が指定されているときには、15!=1.
30×1012通りである。縮退した量子に関する過去
のタイムシリーズの与える巡回路として、すべての組み
合わせがデータベースとして用意されるわけではない。
また、その必要もない。CPUのメインメモリのデータ
空間のサイズは、今日たかだか10MB程度である。7
5000通りの組み合わせをデータベースとして持つの
が限度である。しかし、16都市のTSPに関してはこ
の程度で十分である。
数は、出発地が指定されているときには、15!=1.
30×1012通りである。縮退した量子に関する過去
のタイムシリーズの与える巡回路として、すべての組み
合わせがデータベースとして用意されるわけではない。
また、その必要もない。CPUのメインメモリのデータ
空間のサイズは、今日たかだか10MB程度である。7
5000通りの組み合わせをデータベースとして持つの
が限度である。しかし、16都市のTSPに関してはこ
の程度で十分である。
【0025】最もらしいDminが満足できる巡回路で
あるといえる必要なデータベースの検索回数は、8都市
のとき500程度、16都市のとき4000程度、32
都市のとき33000程度である。これらは経験的に検
証された結果であり、地図上における都市の配置の仕方
にも依存する。また、都市への番号の与え方にも同じデ
ータベースを利用すると16都市の場合4000×40
00=1600万回の検索まで拡張できる。
あるといえる必要なデータベースの検索回数は、8都市
のとき500程度、16都市のとき4000程度、32
都市のとき33000程度である。これらは経験的に検
証された結果であり、地図上における都市の配置の仕方
にも依存する。また、都市への番号の与え方にも同じデ
ータベースを利用すると16都市の場合4000×40
00=1600万回の検索まで拡張できる。
【0026】従来のディジタルコンピュータを用いたし
らみつぶし方式の経路探索では、16都市の場合には
1.30×1012通りのすべての距離計算をしなけれ
ばならなかった。一方、本案では、約4000個の距離
計算を行うことにより、満足できる経路の発見ができ
る。これは縮退した量子に関する過去のタイムシリーズ
が十分に距離の離れた組み合わせを生成しているからで
ある。
らみつぶし方式の経路探索では、16都市の場合には
1.30×1012通りのすべての距離計算をしなけれ
ばならなかった。一方、本案では、約4000個の距離
計算を行うことにより、満足できる経路の発見ができ
る。これは縮退した量子に関する過去のタイムシリーズ
が十分に距離の離れた組み合わせを生成しているからで
ある。
【0027】都市数をnとしたとき、しらみつぶしの距
離計算を行う従来の方法では計算量がnnで増大するの
に対し、縮退した量子に関する過去のタイムシリーズか
ら取り出した組み合わせを巡回路とする方式では、計算
量がn3程度に抑えられている。
離計算を行う従来の方法では計算量がnnで増大するの
に対し、縮退した量子に関する過去のタイムシリーズか
ら取り出した組み合わせを巡回路とする方式では、計算
量がn3程度に抑えられている。
【0028】
【発明の効果】本案は、具体例を用いて詳細に説明した
ように、カオスの特に過去の秩序から取り出した整数の
配列(組み合わせ)をデータベースとして取り出し、そ
のデータベースを検索して与えられる巡回路に沿って距
離計算をCPUで実行し、最短経路を発見する手法に関
する。ディジタルコンピュータの困難を解決する有効な
手法を提供した。
ように、カオスの特に過去の秩序から取り出した整数の
配列(組み合わせ)をデータベースとして取り出し、そ
のデータベースを検索して与えられる巡回路に沿って距
離計算をCPUで実行し、最短経路を発見する手法に関
する。ディジタルコンピュータの困難を解決する有効な
手法を提供した。
【0029】本案はTSPを具体例として取り上げてい
るが、TSPに限ることなく複雑な組み合わせ問題とい
われている、例えば線形計画法の解法や暗号鍵の発行手
法など、エレクトロニクス産業が支えねばならぬ工業全
般において有効な手法の提供である。
るが、TSPに限ることなく複雑な組み合わせ問題とい
われている、例えば線形計画法の解法や暗号鍵の発行手
法など、エレクトロニクス産業が支えねばならぬ工業全
般において有効な手法の提供である。
【0030】本案は、特に縮退した量子に関する過去の
カオスのタイムシリーズをデータベースとしてCPUの
極く近傍に置くことを念頭においた場合について述べて
いるが、一般的にCPUが距離計算を実行している間
に、並行して次の巡回路の組み合わせデータを取り込め
ば、必ずしもデータベースをCPUの近傍に置くことに
こだわるわけではない。都市数が、本案実施例よりも増
大していった場合には、当然のことながら外部記憶装置
の活用は本案の延長線上にある。本案は、外部記憶にデ
ータベースを持つ場合を排除するものではない。
カオスのタイムシリーズをデータベースとしてCPUの
極く近傍に置くことを念頭においた場合について述べて
いるが、一般的にCPUが距離計算を実行している間
に、並行して次の巡回路の組み合わせデータを取り込め
ば、必ずしもデータベースをCPUの近傍に置くことに
こだわるわけではない。都市数が、本案実施例よりも増
大していった場合には、当然のことながら外部記憶装置
の活用は本案の延長線上にある。本案は、外部記憶にデ
ータベースを持つ場合を排除するものではない。
Claims (4)
- 【請求項1】 カオスのタイムシリーズを検索すべきデ
ータベースとしてCPU(central proce
ssing unit,中央演算装置)の近くに持つこ
とを特長とするディジタルコンピュータ。 - 【請求項2】 非線形量子化計測または非線形量子化演
算したカオスのタイムシリーズを検索すべきデータベー
スとしてCPUの近くに持つことを特長とするディジタ
ルコンピュータ。 - 【請求項3】 カオスの縮退した量子に関する過去のタ
イムシリーズを検索すべきデータベースとしてCPUの
近くに持つことを特長とするディジタルコンピュータ。 - 【請求項4】 カオスの縮退した量子に関する過去のタ
イムシリーズを剰余演算したテーブルを検索すべきデー
タベースとしてCPUの近くに持つことを特長とするデ
ィジタルコンピュータ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP11403398A JPH11272713A (ja) | 1998-03-23 | 1998-03-23 | カオスのタイムシリーズをデータベースとして持つ ディジタルコンピュータ |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP11403398A JPH11272713A (ja) | 1998-03-23 | 1998-03-23 | カオスのタイムシリーズをデータベースとして持つ ディジタルコンピュータ |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH11272713A true JPH11272713A (ja) | 1999-10-08 |
Family
ID=14627360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP11403398A Pending JPH11272713A (ja) | 1998-03-23 | 1998-03-23 | カオスのタイムシリーズをデータベースとして持つ ディジタルコンピュータ |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH11272713A (ja) |
-
1998
- 1998-03-23 JP JP11403398A patent/JPH11272713A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7372375B2 (ja) | 量子誤り訂正 | |
Evako et al. | Dimensional properties of graphs and digital spaces | |
US7441230B2 (en) | Method of utilizing product proxies with a dependency graph | |
US8538169B2 (en) | Method, program, and system for calculating similarity between nodes in graph | |
Moylett et al. | Quantum speedup of the traveling-salesman problem for bounded-degree graphs | |
US11073828B2 (en) | Compression of semantic information for task and motion planning | |
CN109656798B (zh) | 基于顶点重排序的超级计算机大数据处理能力测试方法 | |
Drechsler et al. | Ordered Kronecker functional decision diagrams-a data structure for representation and manipulation of Boolean functions | |
Kapur et al. | Proposal of a two way sorting algorithm and performance comparison with existing algorithms | |
CN111274455B (zh) | 图数据处理方法、装置、电子设备及计算机可读介质 | |
JPH07177005A (ja) | ビット・パターン検出回路およびビット・パターン検出方法 | |
JPH11272713A (ja) | カオスのタイムシリーズをデータベースとして持つ ディジタルコンピュータ | |
EP4341870A1 (en) | Quantum computing method for solving combinatorial optimization problems | |
JPH11212959A (ja) | 巡回セールスマン問題のカオス的解法 | |
Rice et al. | Methods for calculating autocorrelation coefficients | |
Matsuoka et al. | Factorizing a string into squares in linear time | |
KR20000072865A (ko) | 카오스 타임 시리즈를 데이터 베이스로 보유한 디지털 컴퓨터 | |
WO2020245877A1 (ja) | 量子アニーリング計算装置、量子アニーリング計算方法および量子アニーリング計算プログラム | |
US11210294B2 (en) | Method, implemented by computer, for searching for rules of association in a database | |
Montanez-Barrera et al. | Improving Performance in Combinatorial Optimization Problems with Inequality Constraints: An Evaluation of the Unbalanced Penalization Method on D-Wave Advantage | |
Fjällström et al. | A sublogarithmic convex hull algorithm | |
Andrzejewski et al. | Bounding Box Representation of Co-location Instances for L_ ∞ L∞ Induced Distance Measure | |
Chang et al. | Binary de Bruijn Sequences via Zech’s Logarithms | |
Sridharan et al. | A parallel algorithm for constructing reduced visibility graph and its FPGA implementation | |
Kao et al. | An optimal parallel algorithm for planar cycle separators |