返回
QUANTUM SPEEDUPS FOR LINEAR PROGRAMMING VIA INTERIOR POINT METHODS
DOI:10.1137/25M1736098.png)
摘要
En 中文
我们描述了一种基于内点法的量子算法,用于求解具有n个不等式约束和d个变量的线性规划问题。该算法明确返回一个与最优解误差为ε的可行解,运行时间为root n.poly(d,log(n),log(1/epsilon)),对于高维线性规划问题(即n >> d)具有次线性时间复杂度。我们的算法加速了Lee和Sidford[求解线性规划的Sqrt(rank)线性系统解,2019]中当前最先进内点法的牛顿步。这要求我们高效地近似障碍函数的海森矩阵和梯度,这些是我们的主要贡献。为了近似海森矩阵,我们描述了一种用于高矩阵A的A(T)A谱近似的量子算法。该算法结合了杠杆分数采样和Grover搜索,通过向A进行O(root nd/delta)行查询返回一个δ近似。这推广了Apers和de Wolf[图稀疏化中的早期量子加速,SIAM J. Comput., 51 (2022), pp. 1703-1742]的工作。为了近似梯度,我们使用了Cornelissen、Hamoudi和Jerbi[近最优量子算法用于多元均值估计,2022]最近的多元均值估计量子算法。虽然直接实现会引入对海森矩阵条件数的依赖,但通过使用我们谱近似的量子算法对随机变量进行预条件处理,我们避免了这一问题。
Keyword:
Key words. quantum algorithms
interior point methods
linear programming
spectral approximation
期刊
S
IF:
1.6
论文数:
14
被引数:
0
机构
引用论文
Efficient Use of Quantum Linear System Algorithms in Inexact Infeasible IPMs for Linear Optimization量子线性系统算法在近似不可行内点法线性优化中的高效应用
Optimal (controlled) quantum state preparation and improved unitary synthesis by quantum circuits with any number of ancillary qubits
QUANTUM
IF5.4

