量子科技中心_量科网

城市物流、车辆路径规划和基础设施规划等交通系统需要在复杂约束条件下解决大规模组合优化问题。车辆路径问题（VRP）、旅行商问题（TSP）和设施选址问题（FLP）等涉及庞大的离散搜索空间，且需要实时生成多个可行解。该工作开发了一种基于硬件的混合量子优化框架，利用近似量子编译（AQC）将数字化绝热演化的早期阶段压缩为浅层电路。该压缩前缀与变分层相结合，系统研究了初始化、电路深度和表达能力在近期量子硬件上的相互作用。所有实验均在IBM门型量子计算机上进行，电路作为候选交通规划的随机生成器进行评估。结果表明，适度的前缀压缩可减少双量子比特门深度，同时保持或提升可行解的发现能力，尤其是在路径规划问题中。这些优势取决于压缩前缀与变分拟设之间的兼容性：标准QAOA能有效利用AQC初始化，而线性链QAOA的改进有限。总体而言，该工作证明了混合AQC-QAOA方法为实现硬件高效的量子优化提供了实用途径，使量子算法能够在交通决策流程中作为候选方案生成器。