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
本篇研究探讨将多个目标转化为单一目标的方法,在集合约束均值 - 方差投资组合优化问题上,迭代填充帕累托前沿中最大空间的方法可以显著提高性能。
Oct, 2022
本文探讨了如何利用人工智能的约束满足问题来建模和解决一些特定的无线电接入网络优化问题,并用量子计算机来解决。以 LTE/NR 的 RSI 分配问题为例,通过商业移动网络中摄入的数据来构建一个二次无约束二进制优化问题,并使用云平台提供的量子计算机来解决它。结果表明,量子退火求解器可以成功地分配无冲突的 RSI。与著名的启发式算法相比,一些经典算法在解决方案质量和计算时间方面更加有效。该框架非常灵活,并有潜力在移动网络自动化中利用量子计算的威力。
Jun, 2021
量子计算与混合化方案在现实应用中面临的困难和挑战的分类及研究问题探讨。
Aug, 2023
本文讨论了量子算法中的优化问题,并提出了一种基于量子 - 经典混合的优化方案,其中包括变分绝热量子算法和单粒子门晶格,通过拟合和消除误差和采用现代没有导数的优化技术来节省计算成本。
Sep, 2015
本文介绍了基于变分方法的新型混合量子 - 经典算法类别,重点是探究了优化方法和精度水平对变分算法的性能影响,最后提出了用拟牛顿优化方法执行量子逼近优化算法的结果。
Jan, 2017
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
利用量子计算机和贝叶斯优化方法加速解决无监督学习中的聚类问题,并展示出在噪声环境下稳健的表现和经典优化方法的适用性。
Dec, 2017
基于 VQEC 算法模型,采用量子变分法和经典算法结合的方式进行带约束的优化,通过量子模拟器进行数值测试验证和参数优化,展示了其在近似解决复杂优化问题方面的优势。
Nov, 2023
我们在一个与行业相关的真实场景中比较了 D-Wave 的量子 - 经典混合框架,Fujitsu 的量子启发式数字退火器和 Gurobi 的最先进的经典求解器在解决智能机器人调度问题时的性能,并通过三种不同的设计哲学为问题提供了三个不同的模型。在我们的基准测试中,我们着重关注不同模型和求解器组合的解决方案质量和端到端运行时间。我们发现了数字退火器的有希望结果,并且与 Gurobi 的直接比较中,混合量子退火器也有一些机会。我们的研究为解决应用导向的优化问题的工作流程提供了洞见,并且对于评估不同方法的优点和缺点非常有用。
Sep, 2023