面向报童问题的量子增强仿真优化

仿真优化是一种广泛用于求解随机优化问题的方法。该方法旨在通过最大化目标函数的期望值来识别最优解。然而，由于计算复杂性，该函数无法直接精确评估，因此通过仿真进行估计。利用量子振幅估计(QAE)相较于经典蒙特卡洛仿真的增强效率，它常常超越经典仿真优化，在多种场景下带来显著的性能提升。本文采用一种量子增强算法进行仿真优化，并将其应用于求解一个已知为NP难的经典报童问题变体。此类问题构成了供应链管理的基石，特别是在风险与不确定性下的库存管理与采购优化中。