我们考虑在提供 n 个状态副本时以零误差区分对称纯状态的在线策略。优化的在线策略涉及对每个副本进行局部、可能自适应的测量,并且在每个步骤中都是最优的,这使得它们与视界无关,因此在粒子丢失或突然终止鉴别过程之前具有鲁棒性。我们首先回顾了以前关于使用局部测量实现最大成功概率集的二进制最小和零误差鉴别的结果,这些结果通过对全局测量进行优化来实现,并突出了它们的在线特性。然后,我们将这些结果扩展到具有恒定重叠的三个对称状态的零误差识别的情况。如果状态重叠为正,则我们提供最佳在线方案,对于任何 n 都可实现全局性能,如果重叠为负,则对于奇数 n 可实现全局性能。对于任意复杂的重叠,我们展示了令人信服的证据表明在线方案无法达到最佳全局性能。我们描述的在线方案只需要将最后获得的结果存储在经典内存中,并且测量的自适应性最多减少到两次变化,而不管 n 的值如何。