基于自然启发与混合量子算法的机器人轨迹规划优化

我们解决了工业相关规模的机器人轨迹规划问题。我们的端到端解决方案将高度通用的随机键算法与模型堆叠和集成技术以及用于解精炼的路径重连相结合。核心优化模块由偏置随机键遗传算法组成。通过对问题无关模块与问题相关模块的明确分离，我们实现了高效的问題表示，并具备约束的原生编码。我们展示了向模拟退火等替代算法范式的推广是直接的。我们提供了工业规模数据集的数值基准结果。发现我们的方法始终优于贪婪基线结果。为评估当今量子硬件的能力，我们用量子退火硬件上获得的结果补充了经典方法，在Amazon Braket上使用qbsolv。最后，我们展示了后者如何集成到我们更大的流水线中，为问题提供量子就绪的混合解决方案。