增强量子中性原子辅助 Benders 分解的性能
量子物理
2026-01-23 v2
摘要
本文展示了我们之前关于混合 Benders 分解（HBD）框架用于求解混合整数线性规划（MILP）的工作的关键增强。在我们的方法中，主问题被重新表述为无约束二次二值优化（QUBO）模型，并使用自动化转换技术在中性原子量子处理器上求解。我们的增强解决了三个关键挑战。首先，为适应硬件约束，我们通过收紧连续变量的界并采用消除松弛变量的指数编码方法来细化 QUBO 公式，从而减少所需的量子比特数。其次，为提高解的质量，我们提出了一种受 L 形方法启发的鲁棒可行性割生成方法，并实现了替代手动设置的构造性惩罚调优机制。第三，为加速收敛，我们引入了一种多割策略，在每次迭代中整合多个高密度 Benders 割。广泛的数值结果表明，与我们之前的方法相比，性能显著提升：可行性率从 68% 提高到 100%，最优性率从 52% 提高到 86%。这些进展为未来的混合量子-经典优化求解器奠定了坚实基础。
引用
@article{arxiv.2503.03518,
title = {Enhancing the Performance of Quantum Neutral-Atom-Assisted Benders Decomposition},
author = {Anna Joliot and M. Yassine Naghmouchi and Wesley Coelho},
journal= {arXiv preprint arXiv:2503.03518},
year = {2026}
}