量子科技中心_量科网

动态规划是图结构优化的核心方法。虽然有效，但其计算复杂度会随问题规模急剧上升。该研究团队提出QuantGraph框架——一种两阶段量子增强优化方案，将局部与全局图优化问题转化为离散轨迹空间上的量子搜索。该求解器首先在图中寻找局部最优转移序列（局部阶段），而无需考虑完整轨迹，从而高效运行。这些转移的累积成本作为阈值用于剪枝搜索空间（特定案例中可减少高达60%）。后续全局阶段基于此阈值优化解。两个阶段均采用Grover自适应搜索算法的变体。为实现可扩展性与鲁棒性，研究人员借鉴控制理论原理，将QuantGraph的全局阶段嵌入滚动时域模型预测控制框架。这一经典控制层能稳定并引导量子搜索，提高精度并降低计算负担。实际应用中，该闭环系统展现出鲁棒特性与更低的总复杂度。值得注意的是，在固定查询预算下，QuantGraph将控制离散化精度提升2倍，同时仍保持相对于经典方法的Grover搜索固有二次加速优势。