多目标 QUBO 求解器:二目标二次分配
此研究提出了一种通过识别可以预定的最优变量来减少 QUBO 矩阵的规模并从而改善优化问题解决质量和时间的方法,并分析了对此规模减小技术最有影响的 QUBO 结构特征。
May, 2017
本文探讨了应用特定硬件、量子和量子灵感求解器对组合优化问题 QUBO 变形进行优化是否比应用经典进化算法在其自然表示中求解同一问题更快,并证实了 Fujitsu Digital Annealer 在旅行商、二次分配和多维背包问题实例上比遗传算法表现更优。
May, 2022
该论文介绍了 QUBO 模型的基本特征,以及它在优化领域中的重要性,涵盖了与物理中的 Ising 问题,量子退火,神经形态计算等领域密切相关的专业术语,并详细阐述了如何使用 QUBO 模型在许多不同的应用中展示其潜力和灵活性。
Nov, 2018
本文研究了使用量子计算机或其他专用硬件的优化算法,介绍了 QUBO 形式的优化问题,并探索了在 QUBO 公式下设置罚项权重的新静态方法,以解决旅行商问题等排列问题的优化难题。
Jun, 2022
本文提出一种基于平均值的自适应加权方法,用于解决多目标优化问题中的权衡问题,通过改进距离测量方法,实现多目标问题的 Pareto 前沿探索,并在对比实验中证明该方法在三个或四个目标的优化问题上的性能明显优于现有的方法。
May, 2023
QAL-BP 是一种用于解决装箱问题的新型二次无约束二值优化(QUBO)方法,利用增广拉格朗日方法将装箱约束融入目标函数中,同时为启发式罚函数提供了分析估计,通过在实际量子退火设备上进行实验,结果表明量子计算在解决装箱问题上的潜力,特别是在可靠的量子技术逐渐成熟时。
Sep, 2023
提出基于 Frank-Wolfe 算法和量子模拟器建立的混合经典量子框架 Q-FW,用于解决量子模拟器上的二次型线性约束二元优化问题,并使用 D-Wave Advantage QA 在计算机视觉问题上进行实验验证。
Mar, 2022
本文介绍了富士通数字退火器(DA)硬件及其算法,对其与模拟退火和平行淬火算法在不同类型问题上的解决速度进行了比较。结果表明,与单核实现的模拟退火和平行淬火蒙特卡罗算法相比,DA 在具有双峰或高斯耦合的完全连接自旋玻璃问题上表现出两个数量级的解决速度优势。未来 DA 的下一代预计能够解决高达 8192 个变量的完全连接问题。
Jun, 2018