[论文解读] Quantum Algorithms for Lowest Weight Paths and Spanning Trees in Complete Graphs

Mark Heiligman|ArXiv.org|Mar 20, 2003

Quantum Computing Algorithms and Architecture参考文献 1被引用 6

一句话总结

本文提出了一类量子算法，通过将经典图论问题中的最小值查找步骤替换为基于Grover的量子搜索，从而加速了完全图和完全二分图中最小权重路径与最小生成树的求解。关键结果是在较小部分大小相对于较大部分大小的平方根为次多项式时，高度不平衡的完全二分图中实现了二次量子加速，表明通过策略性地使用幅值放大，量子算法可在特定图结构中超越经典算法。

ABSTRACT

Quantum algorithms for several problems in graph theory are considered. Classical algorithms for finding the lowest weight path between two points in a graph and for finding a minimal weight spanning tree involve searching over some space. Modification of classical algorithms due to Dijkstra and Prim allows quantum search to replace classical search and leads to more efficient algorithms. In the case of highly asymmetric complete bipartite graphs, simply replacing classical search with quantum search leads to a faster quantum algorithm. A fast quantum algorithm for computing the diameter of a complete graph is also given.

研究动机与目标

• 探究量子计算是否能够加速依赖于最小值查找子程序的经典图算法。
• 通过使用幅值放大实现的量子最小值查找，将Dijkstra和Prim算法中的经典搜索替换为量子搜索，以实现量子加速。
• 识别出可实现量子加速的图结构，尤其是完全图和完全二分图。
• 分析图算法中量子时间复杂度与经典内存使用之间的权衡。
• 证明非平凡地修改经典算法可在特定图拓扑中实现显著的量子优势。

提出的方法

• 将Dijkstra算法中的经典最小值查找替换为Grover的量子搜索，将每次迭代的搜索成本从O(n)降低至O(√n)。
• 修改Dijkstra算法以避免完整更新，转而仅在核心集合中的s与外部节点v的(s, v)对中进行搜索，从而降低更新开销。
• 将相同的量子搜索替换方法应用于Prim算法，以求解具有明确定义边权的完全图的最小生成树。
• 通过累加各次迭代中的量子搜索成本来分析时间复杂度，使用√(i(n−i))表示在核心集合中寻找下一个顶点的成本。
• 对于大小为n₁和n₂的完全二分图，推导出总量子成本为O(n₁²√n₂ + n₂√n₁)，内存成本为O(n₁)。
• 使用幅值放大和量子最小值查找技术，实现在图算法中搜索密集步骤的二次加速。

实验结果

研究问题

• RQ1 量子搜索技术能否有效应用于加速依赖于重复最小值查找的经典图算法？
• RQ2 在何种图结构中，将经典搜索替换为量子搜索可产生可证明的量子加速？
• RQ3 在时间复杂度和内存使用方面，量子Dijkstra和Prim算法与经典版本相比表现如何？
• RQ4 在图的划分大小方面（例如在完全二分图中）需满足何种条件，才能使量子算法优于经典算法？
• RQ5 能否将最短路径与最小生成树的量子算法扩展至图连通性或割点等相关问题？

主要发现

• 量子版本的Dijkstra算法在完全图中的时间复杂度为O(n²)，与经典代价相同，但因使用了量子搜索而具有不同的结构。
• 对于大小为n₁和n₂的完全二分图，量子算法的总时间复杂度为O(n₁²√n₂ + n₂√n₁)，当n₁ = o(√n₂)时，快于经典算法的O(n₁n₂)。
• 在完全图中用于最小生成树的量子算法利用幅值放大技术，降低了选择下一条边的成本，从而在搜索阶段实现了二次加速。
• 无完整更新的修改版Dijkstra算法将经典代价从O(n³)降低至O(n³)，但量子搜索将其降至O(n²)，显示出在搜索阶段的量子优势。
• 该量子算法的内存成本为O(n₁)，远低于完全二分图中经典算法的O(n₁n₂)，凸显了其在空间上的优势。
• 结果表明，量子算法图论是可行的，且对经典算法进行非平凡修改可在结构化图中解锁量子加速。