利用模拟中性原子量子计算机实现混合列生成框架中的多样化定价

本文开发了新的脉冲设计和嵌入策略，以提高基于中性原子量子计算机（NAQCs）的混合列生成（CG）算法中模拟量子子程序的质量和多样性。这些策略旨在改善生成样本的质量和多样性。我们将其应用于物流领域的一个重要组合优化（CO）问题——车队分配。根据所测试的实例，我们的量子协议在迭代次数和最终目标值方面的性能要么与最佳经典方法相当，要么略逊于最佳经典方法。我们识别出这些次优解的原因是我们的量子协议常常生成高质量但退化的样本。为解决这一局限性，我们引入一种贪心后处理技术 Make\_Diff，通过对退化样本进行逐位修改来返回一组非退化样本。有了这一修改，我们的量子协议将与子问题的精确求解器竞争，同时对状态准备和测量（SPAM）错误具有鲁棒性。我们还将我们的 CG 方案与 Gurobi 求解器进行比较，发现其在超过 50% 的合成实例上的性能更好，尽管 Gurobi 的运行时间更为繁琐。这些改进和基准标志着在面向实际工业问题的 CO 问题上部署混合 CG 方案在 NISQ 设备上的潜力。