量子科技中心_量科网

该研究团队提出了一种针对电力货运物流中货物运输选择问题（SSP）的量子优化框架，该成果由IonQ与Einride联合开发。由于随机性运输订单取消产生的闲置空档会降低车队利用率和营收效益，而最优填补这些空档需要解决具有二次空档间依赖关系的组合分配问题。团队将SSP表述为混合整数二次规划问题，映射至伊辛模型代价哈密顿量，并采用量子近似优化算法（QAOA）的非变分预热启动扩展版本——具有固定线性斜坡参数方案的迭代式QAOA进行求解。端到端混合工作流将Einride的车辆路径规划（VRP）求解器与IonQ量子模拟相结合，实现了基于真实匿名物流数据的评估（规模最高达130量子比特）。通过“完成运输量（SD）”、“调度兼容性评分（SCS）”和“单次运输总行驶距离（TDD）”等应用级指标评估方案质量。当量子分配结果作为预热初始解输入经典求解器时，在特定案例中该混合工作流实现了：运输完成量最高提升12%，单次运输总行驶距离最高减少6%，同时总运营成本基本维持不变。这些结果表明，迭代式QAOA生成的兼容性感知分配方案在融入混合物流优化工作流时能产生实际运营价值。