量子科技中心_量科网

变分量子算法因其解决组合优化问题的潜力而受到关注。该工作研究了编码方式的选择如何影响变分量子优化算法的资源需求和优化行为。为了量化这些影响，研究人员考虑了基于现实约束的电动汽车（EV）车队管理问题。这些问题需要同时确定最优的电动汽车电池充电计划，并为客户请求的行程分配车辆。该团队比较了传统的二进制（量子比特）行程编码与更直接表示分配的整数（量子比特）编码。两种编码保证了相同的可行解集，而量子比特编码将所需的希尔伯特空间维度呈指数级降低。研究人员使用基于量子比特的量子近似优化算法（QAOA）求解了许多高度约束的单向和双向充电问题的随机实例，并全面评估了性能结果。该研究发现，对客户行程进行量子比特编码能够在资源需求大幅降低、模拟运行时间更短的情况下，实现相似或更优的优化性能。这些结果凸显了量子比特原生编码作为变分量子优化中整数和多值调度问题的一种实用途径。