基于分解的QAOA用于卫星星座设计中的最大覆盖位置问题

地球观测任务的增加提高了对卫星星座高效设计与优化的需求。在复杂的组合优化问题中,如何在有效利用有限轨道资源的同时最大化目标覆盖是关键的設計挑战之一。最大覆盖位置问题(MCLP)作为轨道覆盖建模的基础,是NP难的,并且对于大型星座实例在计算上难以处理。使用启发式算法、元启发式算法和混合整数线性规划,经典求解器已取得最优或近优结果,但其可扩展性随着问题规模的增大而受限。量子计算的进步,包括量子近似优化算法,为NP难组合优化问题提供了潜在解决方案。当前量子硬件的限制,如量子比特数和电路深度较低,将解决方案限制在小规模实例问题上。为解决这一挑战,本文提出一个用于卫星星座设计中MCLP的可扩展量子优化框架。提出了一种基于分解的量子方法,其中大型MCLP实例通过经典分解被划分为子图,通过量子优化电路独立优化,并使用量子重构策略进行组合。不同星座规模下的计算结果表明,与经典求解器相比,该方法在更短的时间内展现出更好的可扩展性,同时保持了有竞争力的覆盖性能。