量子科技中心_量科网

该研究团队提出了一种基于连续时间量子行走（CTQW）的最小顶点覆盖（MVC）问题启发式量子算法。在此框架中，量子行走者在图结构上的相干传播将图拓扑特性编码至状态振幅，通过跃迁概率识别高影响力顶点。为提升算法稳定性和解的质量，研究人员引入动态解耦（“冻结”）机制——隔离已选入覆盖集的顶点，避免其对后续迭代产生干扰。该方法采用紧凑的二进制编码，仅需⌈log₂(V)⌉个量子比特即可表示含V个顶点的图结构，相较传统基于顶点的编码方式实现了量子资源的指数级压缩。 该工作通过混合整数线性规划（MILP）精确解、模拟退火算法、FastVC及2-近似算法等经典启发式方法，在Erdős–Rényi随机图、Barabási–Albert无标度图和正则随机图等模型上进行了基准测试。结果表明：基于CTQW的启发式算法始终获得更优的近似比，且对网络拓扑表现出显著鲁棒性，在异质性与同质性结构中均超越经典方法。这些发现表明，连续时间量子行走结合拓扑无关的解耦策略，为大规模组合优化和复杂网络控制提供了新范式，在基础设施韧性、疫情管控、传感器网络优化及生物系统分析等领域具有应用潜力。