.png){kind=icon}
返回
Quantum approximate optimization algorithm for the tactical clustering and grouping problems
.png){kind=icon}
PRE
AI
DOI：10.7498/aps.75.20251690.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决战术操作中平台分组复杂多资源约束的挑战，本研究基于量子近似优化算法（QAOA）开发了一种量子增强的解决方案优化框架。通过将问题分解为资源匹配和聚类优化的顺序阶段，并利用混合量子-经典方法，该框架被设计为能够高效生成最优平台分组方案。如图所示，首先将问题分解为两个相互关联的子问题：资源匹配和平台分配。为整数背包问题构建了量子伊辛模型，并设计了QAOA量子电路。随后通过参数优化生成满足任务聚类资源需求的候选平台聚类；其次，以精确集合覆盖问题为框架，构建了相应的量子模型，并采用混合量子-经典优化进行最优求解。此过程识别出确保平台唯一性和完整集合覆盖的全局最优聚类方案；最后，通过将经典问题重新表述为量子伊辛模型，并将参数化量子电路与经典优化器通过混合量子-经典优化集成，开发出在复杂约束下平台聚类的有效解决方案。实验在基于Python 3的量子软件开发环境和量子计算云服务平台上进行。实验结果表明，所提出的量子增强优化框架在平台分配效率上显著优于传统算法，时间复杂度从O(n²)降低至O(5n + 5k)，相较于传统多维动态列表规划和多优先级列表动态规划方法，展现出明显优势。研究表明，基于QAOA的框架能够有效解决战术操作中的复杂平台聚类与分组问题，为量子计算在指挥控制与资源优化领域的应用奠定了基础。
Keyword:
tactical operations
platform clustering and grouping
quantum approximate optimization algorithm
quantum ising model
期刊
IF:
0.8
论文数:
782
被引数:
7.7K
机构
引用论文
Ultrafast adiabatic quantum algorithm for the NP-complete exact cover problem.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Optimizing Variational Quantum Algorithms Using Pontryagin's Minimum PrinciplePHYSICAL REVIEW XOAAI
PHYSICAL REVIEW XIF15.7
OAAI分享收藏
Distributed tasks-platforms scheduling method to holonic-C2 organization分布式任务-平台调度方法在holonic-C2组织中的应用OAAI
OAAI分享收藏Applying the quantum approximate optimization algorithm to the minimum vertex cover problem量子近似优化算法在最小顶点覆盖问题中的应用
PREAI
分享收藏
查看更多内容