面向工业规模问题的量子启发优化
量子物理
2023-05-04 v1
摘要
基于模型的优化与传统的黑盒方法相结合，可快速求解大规模组合问题。近来，基于张量网络的量子启发建模方案已被开发出来，其有潜力更好地识别并表示数据集中的相关性。在此，我们使用一种量子启发基于模型的优化方法 TN-GEO 来评估这些量子启发方法在现实问题上的效能。本案例中，感兴趣的问题是基于宝马当前所用的生产排程对一条现实装配线进行优化。通过对多种优化技术进行比较，我们发现量子启发基于模型的优化在与传统黑盒方法结合时，能在某些情形下找到成本更低的方案。
引用
@article{arxiv.2305.02179,
title = {Quantum Inspired Optimization for Industrial Scale Problems},
author = {William P. Banner and Shima Bab Hadiashar and Grzegorz Mazur and Tim Menke and Marcin Ziolkowski and Ken Kennedy and Jhonathan Romero and Yudong Cao and Jeffrey A. Grover and William D. Oliver},
journal= {arXiv preprint arXiv:2305.02179},
year = {2023}
}
备注
10 pages, 7 figures