无罚分变分算法扩大旅行商求解规模

Daniel Goldsmith、Xing Liang、Dimitrios Makris和Hongwei Wu提出混合无罚分变分量子算法，将旅行商问题的量子比特需求由传统表述的O(n²)降至O(n log₂n)，并在Rigetti量子硬件上求解最多17个地点的实例，获得超过90%的解质量。 论文摘要称，暖启动可改善解质量，无梯度优化与代价函数缓存使运行时间缩短近两个数量级。该算法在所测网络中优于其经典机器学习模型、贪心启发式和蒙特卡洛基线，但未超过强经典优化求解器。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。