QUBO 公式中的惩罚权重:排列问题
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
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
研究表明,采用非标量化方法将多目标问题转化为单目标问题,可以克服 QUBO 解算器的设计折衷问题,并提高多目标 DA 算法的最终解决方案质量。
May, 2022
利用 MiniZinc 转换成 QUBO 的自动转换器,可以有效地将大量的约束优化和约束满足问题转化为等效的 QUBOs,从而优化整个过程。
Jul, 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
通过引入 QUBO 变换哈密顿量和建立 RL 模型的奖励函数,我们提出了一种改进 PI-GNN 算法的方法,并采用 Monty Carlo Tree Search 策略和 GNN 结合进行训练,实验结果表明在满足约束条件方面有 44% 的改进。
Nov, 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
本研究探讨了使用量子计算技术解决三维形状图像匹配问题,提出了将二次受限二进制优化问题映射到量子硬件的几种重构方法,重点考虑获得足够的频谱间隙,以提高在单次运行中测量最优解和有效置换矩阵的概率。在量子计算机 D-Wave 2000Q 上进行实验,结果表明本文提出的置换矩阵约束的重新表述,增加了数值计算的稳健性。该算法有望在未来的量子计算架构上扩展到更高维度,为 3D 计算机视觉和图形问题的解决开辟多个新方向。
Jul, 2021
利用强化学习与哈密顿函数结合的方法在二次无约束二进制优化(QUBO)问题中处理组合优化问题。使用图神经网络作为节点之间信息传递的消息传递架构,并使用 Monty-Carlo Tree Search with GNN-based RL(MCTS-GNN)、DQN with GNN-based RL 和 GRL 三种结构进行研究。发现 RL 范式中,QUBO 公式中基于哈密顿函数的优化可以带来模型收敛,并可作为通用的奖励函数;并通过对不同密度图上的实验,从违反约束、学习稳定性和计算成本的角度比较了不同结构的性能。
Aug, 2023