.png){kind=icon}
返回
Hybrid Quantum-Classical Algorithm for Robust Optimization via Stochastic-Gradient Online Learning
.png){kind=icon}
OA
AI
DOI：10.1007/s42484-026-00363-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
优化理论在学术界得到了广泛研究，并在工业领域发现了多种应用。离散和/或连续设置下的不同优化模型为研究问题提供了丰富的来源。鲁棒凸优化是优化理论的一个分支，其中涉及的变量或参数具有一定的不确定性。在本工作中，我们考虑了Ben-Tal等人提出的在线鲁棒优化元算法，并表明对于大范围的随机次梯度，该算法与原始非随机版本具有相同的保证。我们开发了该算法的混合量子-经典版本，并表明在维度方面可以实现至多二次的改进。加速归因于量子态制备、量子范数估计和量子多采样的使用。我们将我们的量子元算法应用于鲁棒线性规划、鲁棒半定规划等示例，并给出了这些鲁棒优化问题在金融和工程中的应用。
Keyword:
Robust optimization
Quantum computing
Online learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
Q
IF:
4.4
论文数:
451
被引数:
796
机构
引用论文
Encoding Electronic Spectra in Quantum Circuits with Linear T Complexity具有线性T复杂度的量子电路中的电子光谱编码.png)
PHYSICAL REVIEW X
OAAI
PHYSICAL REVIEW XIF15.7
OAAI分享收藏Constant-depth circuits for Boolean functions and quantum memory devices using multi-qubit gates布尔函数的恒定深度电路及利用多量子比特门实现的量子存储设备Quantum
QuantumIF0
PREAI
分享收藏
查看更多内容