.png){kind=icon}
返回
Enhancing Quantum Algorithms for Quadratic Unconstrained Binary Optimization via Integer Programming
.png){kind=icon}
OA
AI
DOI：10.1145/3711935.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
截至目前，量子计算领域的研究展现出超越经典启发式算法在组合优化方面的潜力。然而，在追求可证明的最优性时，必须依赖经典的精确方法，如整数规划。最先进的整数规划算法能够为困难实例计算强松弛界，但可能需要枚举大量子问题来确定最优解。如果量子计算的潜力得以实现，可以预期，特别是对于困难问题的高质量解的寻找将能够快速完成。尽管如此，近期的量子硬件显著限制了可处理问题的规模。在本工作中，我们进一步探索了整合量子与经典技术用于组合优化的潜力。我们针对加权最大割问题和二次无约束二元优化问题提出了一种混合启发式算法。该启发式算法采用线性规划松弛，使其非常适合集成到精确的分支定界算法中。对于大型实例，我们根据线性松弛来缩减问题规模，使得缩减后的问题可以被有限规模的量子机器处理。此外，我们通过推导任意实例的参数估计，改进了深度为1的QAOA（一种参数化量子算法）的适用性。我们展示了来自真实量子硬件的大量计算结果。
Keyword:
Integer programming
combinatorial optimization
quantum computation
期刊
A
IF:
6.8
论文数:
540
被引数:
508
机构
引用论文
.png){kind=icon}
分享收藏MIPLIB 2017: data-driven compilation of the 6th mixed-integer programming libraryMIPLIB 2017: 第6个混合整数编程库的数据驱动编译OAAI
OAAI分享收藏
查看更多内容