.png){kind=icon}
返回
Quantum-based optimization methods for the linear redundancy allocation problem: A comparative analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2025.111153.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
冗余分配问题（RAP）旨在通过高效分配多个并行组件来最大化系统整体可靠性，同时遵守预算约束。这一非线性且NP难度的组合优化（CO）问题已通过精确方法和元启发式算法的开发与应用得到解决。此外，量子计算领域的最新进展为解决CO问题开辟了新途径，这些问题通常被表述为二次无约束二元优化（QUBO）模型。本文的贡献在于将RAP建模为二元线性问题，将其转化为QUBO模型，并采用穷举法、精确方法和量子优化方法进行求解。迄今为止，这是量子方法在RAP中的首次应用。最初，在探索的量子算法中，我们专注于基于门控的模型，并利用无噪声量子模拟器。具体而言，我们深入研究了量子近似优化算法（QAOA）和变分量子特征求解器（VQE）。此外，我们还研究了使用D-Wave计算机的量子退火。计算实验在十五个小型实例上进行。鉴于当前量子硬件和模拟器的局限性，这些简化案例提供了一个可控环境来评估算法性能并界定研究范围。虽然基于门控的模型通常需要更多配置试验才能产生可行解，但D-Wave计算机能以更快的速度持续获得最优结果。这些结果强调了量子优化在解决可靠性工程领域挑战中的潜力。通过将量子计算纳入研究议程，我们可以有效把握该领域的未来发展方向。
Keyword:
Reliability
Combinatorial optimization
Redundancy allocation problem
Quantum optimization
Quantum computing
期刊
R
IF:
11
论文数:
9.0K
被引数:
4.2W
机构
引用论文
A variational eigenvalue solver on a photonic quantum processor光子量子处理器上的变分特征值求解器.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏The Variational Quantum Eigensolver: A review of methods and best practices变分量子本征求解器: 方法和最佳实践的回顾OAAI
OAAI分享收藏Improving rail network velocity: A machine learning approach to predictive maintenance提高铁路网络速度: 预测性维护的机器学习方法
PREAI
分享收藏Bi-objective optimization of the reliability-redundancy allocation problem for series-parallel system串并联系统可靠性冗余分配问题的双目标优化
PREAI
分享收藏Sequence optimization in reliability problems with a mixed strategy and heterogeneous backup scheme具有混合策略和异构备份方案的可靠性问题中的序列优化
PREAI
分享收藏
查看更多内容