[论文解读] Focusing on the Hybrid Quantum Computing -- Tabu Search Algorithm: new results on the Asymmetric Salesman Problem

Eneko Osaba, Esther Villar-Rodríguez+2 more|arXiv (Cornell University)|Feb 11, 2021

Quantum Computing Algorithms and Architecture参考文献 58被引用 5

一句话总结

本文提出一种混合量子计算-禁忌搜索算法（QTA），用于求解非对称旅行商问题（ATSP），利用D-Wave的量子退火机优化子问题，同时使用经典禁忌搜索引导探索。在六个TSPLIB实例（17–48个节点）上取得具有竞争力的结果，仅使用40次量子调用，远少于QBSolv，是首个基于量子计算的ATSP求解器，标志着高效混合量子-经典优化的重要进展。

ABSTRACT

Quantum Computing is an emerging paradigm which is gathering a lot of popularity in the current scientific and technological community. Widely conceived as the next frontier of computation, Quantum Computing is still at the dawn of its development. Thus, current solving systems suffer from significant limitations in terms of performance and capabilities. Some interesting approaches have been devised by researchers and practitioners in order to overcome these barriers, being quantum-classical hybrid algorithms one of the most often used solving schemes. The main goal of this paper is to extend the results and findings of the recently proposed hybrid Quantum Computing - Tabu Search Algorithm for partitioning problems. To do that, we focus our research on the adaptation of this method to the Asymmetric Traveling Salesman Problem. In overall, we have employed six well-known instances belonging to TSPLIB to assess the performance of Quantum Computing - Tabu Search Algorithm in comparison to QBSolv, a state-of-the-art decomposing solver. Furthermore, as an additional contribution, this work also supposes the first solving of the Asymmetric Traveling Salesman Problem using a Quantum Computing based method. Aiming to boost whole community's research in QC, we have released the project's repository as open source code for further application and improvements.

研究动机与目标

• 将混合量子计算-禁忌搜索算法（QTA）从划分问题扩展至非对称旅行商问题（ATSP），后者是更复杂且更贴近现实的优化挑战。
• 通过最小化非盈利性量子资源调用，应对当前量子计算硬件的局限性，同时保持高质量解。
• 提供一个完全可配置的开源混合量子-经典框架，使用户能够完全控制远程D-Wave访问。
• 展示使用量子-经典混合方法求解更大规模ATSP实例（最多48个节点）的可行性，突破典型小规模量子计算实验的限制。
• 响应社区对在标准基准（如TSPLIB）上提供ATSP解决方案的呼吁，推动实用化量子优化的发展。

提出的方法

• QTA方法将经典禁忌搜索与量子退火相结合：禁忌搜索生成候选解，D-Wave量子处理器通过QUBO公式对子问题进行评估。
• 该算法将ATSP划分为更小的子问题，使其适配D-Wave 5436量子比特Advantage系统1.1，从而支持更大规模问题实例的嵌入。
• 通过混合循环交替执行经典强化（禁忌搜索）与量子评估，以40次D-Wave设备调用作为终止准则。
• 采用转移优化策略，将ATSP中的成本非对称性映射为适合量子退火的QUBO矩阵，同时保持问题结构。
• QTA框架使用Python实现，并作为开源代码发布于GitHub，复用公共代码仓库中的可重用组件。
• 通过智能引导搜索空间，减少对重复量子调用的依赖，最大限度降低量子预算的浪费。

实验结果

研究问题

• RQ1 QTA框架能否有效利用当前量子硬件求解非对称旅行商问题？
• RQ2 在中等规模ATSP实例上，QTA在解的质量和量子资源使用方面与QBSolv相比表现如何？
• RQ3 与纯量子分解求解器（如QBSolv）相比，混合QTA方法在多大程度上减少了量子调用次数？
• RQ4 是否可行将混合量子-经典优化方法应用于17–48个节点的ATSP实例，这些实例规模大于典型QC基准？
• RQ5 QTA方法能否在实现高度可配置性的同时，显著降低量子资源消耗并取得具有竞争力的解？

主要发现

• 在六个TSPLIB实例中的三个上，QTA的性能优于QBSolv：ftv33（最佳解：1487）、ftv35（1686）和ftv38（1719）。
• 在p43（最佳：5686 vs. 5698）和ry48p（最佳：17401 vs. 18302）上，QBSolv略胜一筹，但差异无统计学显著性。
• QTA每轮仅需40次量子调用，而QBSolv需184.0至1036.6次调用，显著降低了量子资源使用量。
• 该方法首次基于量子计算方法成功求解ATSP，标志着量子优化领域的一个关键里程碑。
• QTA在所有实例上的平均解质量与QBSolv相当，且标准差极低（如br17为0.0），表明其解具有高度稳定性。
• QTA代码与脚本的开源发布，使研究社区能够实现结果复现并进一步推动开发。