基于 QUBO 求解器学习充电约束下电动车路径与充电站位置联合优化
量子物理
2025-06-06 v1
摘要
电动车 (EV) 的最优路径问题近年来引发了广泛关注，充电站安装是 EV 重要议题。因此本文聚焦于充电站位置与 EV 路径的联合优化。当路径问题形式化为二次无约束二进制优化 (QUBO) 时，量子退火求解器有望以高速准确性提供最优解。然而，电池容量约束使得在不引入大量辅助 qubit 的情况下难以转化为 QUBO 形式。随后，我们提出一种利用贝叶斯推断与 QUBO 求解器的序列优化方法，其中方法会自动学习电池容量约束。该方法使我们能够在有限搜索次数下优化充电站数量与位置以及 EV 的路径。将该方法应用于 20 个位置的路径问题时，我们确认学习过程有效且高效搜索找到优质解。该结果增强了 QUBO 求解器应用于困难转化为 QUBO 形式（需大量辅助 qubit）的约束问题的可能性。
引用
@article{arxiv.2506.04687,
title = {Joint Optimization of Electric Vehicle Routes and Charging Locations Learning Charge Constraints Using QUBO Solver},
author = {Akihisa Okada and Keisuke Otaki and Hiroaki Yoshida},
journal= {arXiv preprint arXiv:2506.04687},
year = {2025}
}
备注
12 pages, 10 figures