面向 TSP 组合优化问题的量子进化算法

本文实现了一种解决称为旅行商问题（TSP）的新方法，称为量子遗传算法（QGA）。我们比较了该新方法与传统方法——经典遗传算法（CGA）的表现。TSP 是组合优化中的一个著名挑战，其目标是找到一条最高效的路径，以访问一系列城市并最小化总距离。我们之所以选择 TSP 来测试两种算法的性能，是因为其计算复杂度和在实际应用中的重要性。我们选取来自国际标准库 TSPLIB 中的数据集进行实验。通过设计和实现这两种算法，并在各种规模和类型的 TSP 实例上进行实验，我们对两种算法在解的最优性、迭代次数、执行时间和稳定性方面的表现进行了深入分析。实证结果表明，在大多数测试实例中，尤其是在问题规模较大时，CGA 在寻找更优解的速度方面优于 QGA。这表明尽管量子计算原理为解决复杂的组合优化问题提供了新的思路，但量子现象的实现以及诸如量子旋转门的最佳角度等参数的设置仍具有挑战性，需要进一步优化以实现预期效果。此外，需要指出的是，QGA 尚未在真实的量子硬件上进行测试，其实际性能尚未得到验证。这些局限性为未来的研究提供了丰富的机遇。