基于量子相似性的多周期供应链分配QUBO框架：时间复用一致 Ising 机器与模拟量子退火
量子物理
2025-10-27 v1 最优化与控制
摘要
多期库存单位（SKU）分配是供应链中的组合优化问题，属于NP难题且在实际操作中至关重要，需要同时关注盈利性、可行性和多样性。二次无约束二进制优化（QUBO）为此类任务提供了原则框架，但以往研究常依赖简化假设或忽略实际运营约束。本文提出一种混合QUBO框架，集成三项创新：（i）来自变分RX嵌入的量子派生相似性核，以抑制冗余SKU选择；（ii）通过slack位编码实现精确的周期容量约束，确保可行性；（iii）在时间复用一致 Ising 机器（CIM）上执行，基准测试对比模拟量子退火（SQA）和经典优化算法。该模型包含超过一百万个二次项，约4100个变量，统一刻画利润、风险和容量互动。在500个SKU跨八个规划期的数据集上，Quanfluence的CIM实现能量为负，产生288个不同SKU（约占目录60%）、226,813个分配单位和12.75万美元利润的稳健解，全部实现零容量违规。这些结果表明，混合量子-经典QUBO方法可在工业规模下交付可行且具盈利性的供应链分配。
关键词
引用
@article{arxiv.2510.21544,
title = {Quantum Similarity-Driven QUBO Framework for Multi-Period Supply Chain Allocation using Time-Multiplexed Coherent Ising Machines and Simulated Quantum Annealing},
author = {Rushikesh Ubale and Yasar Mulani and Abhay Suresh and Gregory Byrd and Sangram Deshpande and B. R. Nikilesh and Sanya Nanda},
journal= {arXiv preprint arXiv:2510.21544},
year = {2025}
}
备注
31 pages, 8 figures KeyWords: Quantum-inspired optimization, QUBO, Supply chain management, Coherent Ising Machine, Simulated Quantum Annealing, SKU allocation, Quantum similarity kernel, Slack-bit encoding