量子科技中心_量科网

该研究团队提出了一种基于张量网络生成器增强优化（TN-GEO）框架的旅行商问题（TSP）求解方法。这种基础性组合优化难题的解决方案采用基于自动可微分矩阵乘积态（MPS）的张量网络玻恩机作为生成模型，利用玻恩规则定义候选解的概率分布。与需要N²个变量和惩罚项来确保有效路径约束的二进制编码方法不同，该方法采用基于整数变量的排列表述，并通过掩码自回归采样确保每个生成样本在构造时即为有效路径。研究人员还提出了一种k点MPS变体，通过滑动窗口方法学习k元组（连续城市子序列）的分布，实现了针对大规模问题的高效参数建模。在包含多达52个城市的TSPLIB基准实例上的实验验证表明，TN-GEO方法在性能上超越了包括交换法和2-opt爬山法在内的经典启发式算法。相较于完整MPS方案，更关注局部相关性的k点MPS变体展现出更优的结果。