量子辅助贪婪算法
量子物理
2020-02-06 v3
摘要
我们展示了如何利用量子退火器在贪婪算法中更好地选择候选对象。与采用问题相关启发式方法在每个阶段进行局部最优选择的传统贪婪算法不同，我们使用量子退火器在低温下从依赖于问题的伊辛（Ising）哈密顿量的基态中采样，并利用检索到的样本估计问题变量的概率分布。更具体地说，我们将伊辛模型的每个自旋视为一个随机变量，并收缩所有对应不确定性可忽略的问题变量。我们在 D-Wave 2000Q 量子处理器上的实证结果表明，与量子退火领域的最先进技术相比，所提出的量子辅助贪婪算法（QAGA）能够找到明显更优的解（即具有更低能量值的样本）。
引用
@article{arxiv.1912.02362,
title = {Quantum-Assisted Greedy Algorithms},
author = {Ramin Ayanzadeh and Milton Halem and John Dorband and Tim Finin},
journal= {arXiv preprint arXiv:1912.02362},
year = {2020}
}