一种面向车辆路径问题的高级混合量子禁忌搜索方法

量子计算 (QC) 有望解决极其困难的问题，包括寻找组合优化问题的最优解。然而，迄今为止，QC 单独使用仍远未展现出在大规模问题上的能力，仅在小规模问题上表现有限。混合方法，其中 QC 与经典计算协同工作，显示出解决实际规模问题的最大潜力。本工作旨在证明我们可以将 QC 增强到经典优化算法中，从而克服这一局限。我们提出了一种新的混合量子-经典禁忌搜索 (HQTS) 算法，用于解决载具容量车辆路径问题 (CVRP)。基于我们的先前工作，HQTS 利用 QC 在经典禁忌搜索框架内进行路径规划。量子组件将旅行商问题 (TSP) 的每个路径表述为 QUBO，并使用 D-Wave 的 Advantage 系统求解。实验研究了量子路由频率和起始解方法的影响。尽管不同的起始解方法，包括基于量子的和经典的启发式方法，几乎没有产生显著影响。HQTS 为多个 CVRP 问题取得最优或接近最优的解，超过了其他混合 CVRP 算法，并显著降低了与初步研究相比的最优间隙。实验结果表明，更高频率的量子路由可提高解的质量和运行时间。本研究结果凸显了将 QC 集成到复杂车辆路径问题的元启发式框架中的潜力。