量子科技中心_量科网

旅行商问题（TSP）是组合优化领域的核心难题，在物流运输领域具有广泛应用。随着问题规模扩大，传统算法往往难以在合理时间内给出高质量解。本研究探索了量子近似优化算法（QAOA）这一混合量子-经典方法在现实约束条件下求解TSP的潜力。该工作采用基于二次无约束二值优化（QUBO）的TSP建模方法，整合了反映实际运营条件的物流约束——包括车辆载重、道路通达性及时窗要求，同时确保与当前量子硬件的限制条件兼容。实验通过高性能计算（HPC）资源在模拟环境中进行，评估了QAOA在不同问题规模和量子电路深度下的表现。为提高可扩展性，研究人员提出聚类QAOA（Cl-QAOA）这一融合经典机器学习与QAOA的混合方法，将大规模TSP实例分解为更小的子问题，使得在有限量子比特设备上实现量子优化成为可能。研究结果全面评估了QAOA在求解约束TSP场景中的优势与局限，不仅推动了量子优化研究进展，也为未来大规模应用奠定了基础。