绝热量子优化算法研究进展

J4 ›› 2015, Vol. 37 ›› Issue (03): 429-433.

绝热量子优化算法研究进展

张映玉1，付樟华2

（1.聊城大学计算机学院，山东聊城 252000；2.昂热大学LERIA实验室，法国昂热 49045）

收稿日期:2013-12-06 修回日期:2014-03-03 出版日期:2015-03-25 发布日期:2015-03-25
基金资助:
国家自然科学基金资助项目（61173050）

Survey of adiabatic quantum optimization algorithms

ZHANG Yingyu1，FU Zhanghua2

(1.School of Computer Science,Liaocheng University,Liaocheng 252000,China;2.LERIA Laboratory,University of Angers,Angers 49045,France)

Received:2013-12-06 Revised:2014-03-03 Online:2015-03-25 Published:2015-03-25

摘要/Abstract

摘要：

绝热量子优化计算于2001年首次提出，它基于绝热量子演化研究NPC组合优化问题，是量子计算的领域热点。主要回顾了绝热量子优化算法研究领域所取得的进展，阐述绝热量子优化算法研究所采用的主要方法和关键技术，最后分析绝热量子优化计算的发展趋势。

关键词: 量子优化, 绝热演化, 绝热量子计算, 组合优化

Abstract:

Adiabatic quantum optimization was first proposed in 2001,which was attended to solve the NPC combinatorial optimization problems,and soon became one of the hot topics in quantum computation.This survey reviews the progress in the field of adiabatic quantum optimization in the past decade,and summarizes the key methods and techniques used in the studies of adiabatic quantum optimization algorithms. Finally,this survey is concluded by predicting the future of the field.

Key words: quantum optimization;adiabatic evolution;adiabatic quantum computation;combinatorial optimization

张映玉1，付樟华2. 绝热量子优化算法研究进展[J]. J4, 2015, 37(03): 429-433.

ZHANG Yingyu1，FU Zhanghua2. Survey of adiabatic quantum optimization algorithms [J]. J4, 2015, 37(03): 429-433.

编辑推荐

Metrics

阅读次数

全文

357

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	357

来源	本网站	其他网站

次数	302	55
比例	85%	15%

摘要

102

最新录用	在线预览	正式出版

0	0	102

	来源	本网站

	次数	102
	比例	100%

[1]	章政, 夏小云, 陈泽丰, 向毅. 融合强化学习的分阶段策略求解旅行背包问题[J]. 计算机工程与科学, 2025, 47(01): 140-149.
[2]	李进生，蒙江，童名文. 基于分布式遗传算法的水质传感器布置优化研究[J]. 计算机工程与科学, 2019, 41(03): 545-550.
[3]	覃远年，梁仲华. 蚁群算法研究与应用的新进展[J]. 计算机工程与科学, 2019, 41(01): 173-184.
[4]	周忠宝1,刘悦悦1,2,金倩颖1,肖和录1,程旭曼3. 基于FDH的分区域多目标遗传算法[J]. 计算机工程与科学, 2018, 40(07): 1295-1302.
[5]	李锋刚1,2，骆林1,2，陈亚波1,2,蒋祥飞1,2. 求解均值-CVaR投资组合模型的改进粒子群算法[J]. 计算机工程与科学, 2016, 38(09): 1870-1877.
[6]	王志刚，夏慧明. 求解车辆路径问题的人工蜂群算法[J]. J4, 2014, 36(06): 1088-1094.
[7]	童科,毛力. 基于蚁群优化算法求解矩形件排样问题[J]. J4, 2011, 33(7): 158-162.
[8]	袁利永1,倪应华2,金炳尧3,马永进1. PBIL算法在组合优化问题中的应用研究[J]. J4, 2011, 33(3): 141-145.
[9]	任晓娜1，张大方1,2，向旭宇2. 基于离散粒子群的DNA编码序列组合优化方法[J]. J4, 2011, 33(3): 179-184.
[10]	殷人昆[1] 吴阳[2,3] 张晶炜[3,4]. 蚁群算法解决指派问题的研究和应用[J]. J4, 2008, 30(4): 43-45.
[11]	虞成诚[1] 钟声[1] 胡绍华[2]. 基于深度优先搜索的一般图匹配算法[J]. J4, 2008, 30(12): 45-48.
[12]	李倩文贵华丁月华. 一种改进的求解旅行商问题的单亲遗传算法[J]. J4, 2007, 29(2): 89-92.
[13]	马立肖王江晴. 遗传算法在组合优化问题中的应用[J]. J4, 2005, 27(7): 72-73.
[14]	林智勇. 带约束集合划分优化问题及其求解[J]. J4, 2005, 27(7): 98-100.
[15]	王正元杨克巍刘靖旭谭跃进. 组合优化问题的一种精确求解方法[J]. J4, 2004, 26(12): 64-66.