该团队研究用于求解最大割问题的关联引导聚类算法，该算法通过迭代更新节点聚类来不断改进解。在近期提出的量子引导聚类算法（QGCA）[arXiv:2508.10656]基础上——该算法利用预计算的两点关联来引导集体更新——该研究人员通过引入次近邻信息扩展了聚类构建方式。该团队评估了不同关联来源下该扩展方法在随机正则图与非简并瓷砖植入实例上的表现。值得注意的是，该研究观察到该方法在非简并实例上表现尤为突出，并对该类问题进行了标度分析。最后，该工作概述了向关联引导马尔可夫链蒙特卡洛算法的扩展方向，而该算法的详细分析仍有待未来研究的深入探索。
作者单位：
VIP可见
提交arXiv：
2026-06-01 07:41
