适用于NISQ时代的实用量子-经典混合蚁群算法
量子物理
2024-10-24 v1 神经与进化计算
摘要
量子蚁群优化（QACO）结合了量子计算和蚁群优化（ACO）算法的优势，克服了传统ACO算法的一些局限性，因此备受关注。然而，由于当前可用量子计算机的硬件资源限制，QACO的实际应用尚未实现。在本文中，我们通过将聚类算法与QACO算法相结合，开发了一种量子-经典混合算法。这种扩展的QACO可以利用当前可用的量子计算资源处理大规模优化问题。我们以旅行商问题（TSP）为基准测试了扩展QACO算法的有效性和性能，发现该算法在多个不同数据集上取得了更好的性能。此外，我们研究了噪声对扩展QACO的影响，并评估了其在当前可用的含噪中等规模量子（NISQ）设备上运行的可能性。我们的工作表明，聚类算法与QACO的结合有效提高了其问题求解规模，使其在当前NISQ量子计算时代的实际应用成为可能。
引用
@article{arxiv.2410.17277,
title = {A practical applicable quantum-classical hybrid ant colony algorithm for the NISQ era},
author = {Qian Qiu and Liang Zhang and Mohan Wu and Qichun Sun and Xiaogang Li and Da-Chuang Li and Hua Xu},
journal= {arXiv preprint arXiv:2410.17277},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2403.00367