.png){kind=icon}
返回
Leveraging Quantum Annealing for Layout Optimization
.png){kind=icon}
OA
AI
DOI：10.1002/qute.202500358.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
布局优化问题涉及寻找元素的最优排列，以最大化效率。例如，风力发电场布局优化（WFLO）问题旨在确定最佳的风机布置，以最大化能源生产并最小化尾流损失。由于其非线性与组合特性使得传统优化方法难以应对，替代方法如量子退火和量子-经典混合方法为解决此类复杂问题提供了有前景的途径。在此，WFLO使用Jensen尾流模型被表述为二次无约束二元优化（QUBO）问题。研究中比较了量子退火器、Gurobi求解器以及量子近似优化算法（QAOA）。量子退火器比Gurobi快一个数量级，且最大功率输出降低不超过3%，使其适用于快速次优近似。这些发现突显了解决方案质量与计算时间之间的权衡，并展示了量子方法（尤其是与经典求解器结合时）如何为高效可再生能源优化做出贡献。
Keyword:
layout optimization problem
quantum optimization
quadratic unconstrained binary optimization
quantum annealing
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
A
IF:
4.3
论文数:
527
被引数:
3.2K
机构
引用论文
Exploiting Hardware and Software Advances for Quadratic Models of Wind Farm Layout Optimization.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Analyzing the behaviour of D'WAVE quantum annealer: fine-tuning parameterization and tests with restrictive Hamiltonian formulations分析D'WAVE量子退火机的行为：参数化的精细调整及与限制性哈密顿量表述的测试OAAI
OAAI分享收藏Wind farm micro-siting by Gaussian particle swarm optimization with local search strategyRENEWABLE ENERGY
RENEWABLE ENERGYIF9.1
PREAI
分享收藏Quantum computing for space applications: a selective review and perspectives空间应用中的量子计算：选择性综述与展望OAAI
OAAI分享收藏分享收藏
查看更多内容