基于量子退火结合历史数据的微出行调度优化
量子物理
2026-01-30 v1 多智能体系统
摘要
本文提出一种基于量子退火器（QA）的微出行车辆调度新模型。近年来，QA因作为组合优化问题的高性能求解器而日益受到关注。与此同时，微出行服务正快速发展，成为实现高效可持续城市交通的有力手段。本研究将此类微出行服务的调度问题形式化为二次无约束二进制优化（QUBO）问题，实现通过QA高效求解。进一步，所提模型引入历史使用数据以提升运营效率。具体而言，通过贝叶斯方法将客户到达频率和目的地分布嵌入QUBO模型，引导空车分配至指定站点等待和充电。我们进行仿真实验评估所提方法的有效性，比较传统模型（如车辆路径问题），并对比QA与经典求解器的性能，揭示其潜在优势。我们还研究了反退火对提升解质量的作用。
引用
@article{arxiv.2601.20887,
title = {Micro-mobility dispatch optimization via quantum annealing incorporating historical data},
author = {Takeru Goto and Masayuki Ohzeki},
journal= {arXiv preprint arXiv:2601.20887},
year = {2026}
}
备注
15 pages, 7 figures, 1 table