量子退火方法求解最优特征选择与下一个版本问题的研究
基于搜索的软件工程（SBSE）旨在解决软件工程中的关键优化难题，包括下一版本问题（NRP）和特征选择问题（FSP）。虽然传统启发式方法和整数线性规划（ILP）已在中小规模问题上展现出有效性，但其在大规模实例中的可扩展性尚未可知。该研究团队引入量子退火（QA）作为子程序来处理多目标SBSE问题，充分利用量子系统的计算潜力。 该工作提出两种针对不同问题规模的量子退火算法：对于小规模问题，通过基于惩罚映射的单目标优化（SOO）重构多目标优化（MOO）以适应量子处理；对于大规模问题，采用最大能量影响（MEI）指导的分解策略，将量子退火与最速下降法结合以提升局部搜索效率。应用于NRP和FSP时，研究人员将方法与启发式算法NSGA-II和基于ILP的ε约束法进行对比测试。实验结果表明，尽管该方法产生的非支配解数量少于ε约束法，但实现了显著的执行时间缩减；与NSGA-II相比，该方法在更高计算效率下获得了更多非支配解。这些发现证实了量子退火在推动SBSE问题可扩展高效解决方案方面的潜力。
