QUBO 表述中的惩罚权重：置换问题
最优化与控制
2022-06-23 v1 人工智能
离散数学
量子物理
摘要
近年来，设计用于量子计算机或其他专用硬件的优化算法备受研究关注。许多此类求解器只能优化二进制二次型问题。二次无约束二进制优化（QUBO）因此是这些求解器常用的表述形式。许多组合优化问题天然可表示为置换，例如旅行商问题。然而，使用二进制变量编码置换问题存在一些挑战。许多 QUBO 求解器是单翻转求解器，因此可能生成无法解码为有效置换的解。为产生偏向可行解的趋势，我们使用惩罚权重。为各类问题设定静态惩罚权重的过程并不简单。这是因为过小的值会导致求解器返回不可行解，而过大的值可能导致收敛变慢。在本研究中，我们探讨在 QUBO 表述背景下设定惩罚权重的一些方法。我们提出了计算惩罚权重的新的静态方法，其相比现有方法取得了更有前景的结果。
引用
@article{arxiv.2206.11040,
title = {Penalty Weights in QUBO Formulations: Permutation Problems},
author = {Mayowa Ayodele},
journal= {arXiv preprint arXiv:2206.11040},
year = {2022}
}
备注
22nd European Conference, EvoCOP 2022, Held as Part of EvoStar 2022