量子科技中心_量科网

该论文研究了新兴的非变分量子行走优化算法（NV-QWOA）在求解二次分配问题（QAP）小型实例中的性能表现。研究人员将NV-QWOA与经典启发式算法（最大最小蚂蚁系统MMAS和贪婪局部搜索GLS）以及作为量子基准的Grover量子搜索算法进行对比评估。性能评估采用两个指标：在5至10个设施规模的QAP实例中，算法持续获得最优或近似最优解所需的目标函数评估次数和算法迭代次数。 该研究的动机源于经典精确方法和现有量子算法的局限性。虽然QAOA、VQE等变分量子算法（VQAs）被广泛研究，但其存在参数调优成本高、收敛困难等高原现象问题。通过采用非变分方法，该工作探索了一种可能更高效、更具扩展性的组合优化量子策略。研究结果提供了经典与量子框架的直接对比分析，揭示了NV-QWOA在平均案例中的性能特征。这些发现凸显了量子行走在解决复杂组合问题中的实用价值，为未来量子优化算法的发展奠定了基础。