基于量子退火的多样化Kemeny排序聚合启发式算法

Kemeny排序聚合（KRA）问题是社会选择领域中一个被广泛研究的问题，在数据库和搜索引擎等许多不同领域有着多种应用。直观地说，给定一组针对一组候选者的投票，该问题要求找到一个候选者的聚合排序，以最小化关于投票的总体不满程度。最近，人们考虑了KRA的一个多样化版本，该版本要求一个足够多样化且足够好的解集。解的多样性框架是人工智能领域中一个新兴且蓬勃发展的课题。其主要思想是为用户提供不止一个，而是一组不同的解，使她能够选择一个足够好的解，以满足那些难以或无法建模的额外主观标准。在这项工作中，我们使用量子退火器来解决KRA问题并计算一个有代表性的解集。量子退火是一种元搜索启发式算法，不仅在当前存在的原型上显示出有前景的运行时间行为，而且利用量子效应，以本质上不同的方式对解空间进行采样。我们描述了如何通过量子退火器求解KRA实例，并提供了一个实现以及实验评估。由于现有的量子退火器在量子比特数量上仍然受限，我们进一步实现了两种不同的数据约简规则，可以将一个实例拆分为一组较小的实例。在我们的评估中，我们将允许采样多个解的经典启发式算法（如模拟退火和局部搜索）与在物理量子退火器上执行的量子退火进行了比较。我们比较了运行时间、解的质量以及解的多样性，包括应用和不应用前置数据约简规则的情况。