量子科技中心_量科网

本研究针对广义旅行商问题(GTSP)开展量子优化基准测试，该聚类路径问题能自然建模离散备选方案下的变体选择与排序问题。该团队提出了一种新颖的GTSP二次无约束二值优化(QUBO)公式，专注于维持量子退火可行解，同时开发了基于量子门的硬件可执行流程，利用量子近似优化算法(QAOA)。研究人员采用XY混合器实现了约束型QAOA变体，在理想电路模型中保持逐步汉明权重，而后处理阶段则显式追踪完整GTSP约束的可行性。基于GTSPLIB标准基准数据集的问题实例，该工作对比了两种量子优化范式，并以经典最优求解器为基准进行验证。为缓解当前量子硬件的规模限制，研究进一步扩展了预处理方法以减少实例聚类的节点数量，从缩减子集构建适合含噪中等规模量子(NISQ)设备的新实例。在所有测试实例中，量子求解器在较小规模图上常能产出具有竞争力的解质量，但随着实例规模增大，会表现出更高运行时耗以及可行性与可扩展性的急剧下降。本次评估既揭示了量子优化器当前的成功应用场景，也指明了采样率、运行时问题等算法瓶颈及其他实际失效模式仍待解决的开放性难题。