量子科技中心_量科网

旅行商问题（TSP）作为著名的NP难组合优化问题，在最后一公里配送等工业场景中具有重要应用价值。尽管量子计算机上的TSP研究已相当深入，但针对超过12个节点网络的量子解决方案仍属罕见。本研究通过无噪声Qiskit模拟实验，采用混合无惩罚电路模型变分量子算法（VQA），成功实现了12节点网络的高质量求解，并同步模拟了含噪声量子比特环境。据该团队所知，这是电路模型设备上首个成功实现的12节点TSP变分量子算法模拟实验。研究评估了阶乘编码、非阶乘编码及格雷编码等多种编码策略，所提方案仅需𝒪(nlog₂(n))级别量子比特（12节点仅需29个量子比特），相比传统𝒪(n²)方案（需超100个量子比特）实现显著优化。通过引入同步扰动随机逼近（SPSA）梯度估计与成本函数缓存技术，计算时间进一步缩短近两个数量级。该工作还提出新型机器学习模型，并将量子与经典方法性能与蒙特卡洛基准进行对比。实验表明：在小规模网络中，变分量子算法性能优于经典机器学习方法，与蒙特卡洛方法相当；随着问题规模增大呈现性能提升趋势，为量子设备求解更大规模TSP实例指明了可行路径。