据外媒报道，德国亚琛工业大学物理系Chinonso Onah和德国科隆大学Kristel Michielsen提出一种利用彩色排列的量子比特高效编码方法，与许多现有的量子算法相比，该方法显著减少了所需的逻辑量子比特数量。该方法通过将车辆容量直接集成到排列结构中，避免了显式加载寄存器，从而简化了优化过程。该团队的流程在标准基准测试中获得了独立验证的最优解，并为量子路由和受量子启发的路由应用提供了一种可重用的解码原语。

图片来源：ArXiv

量子编码简化了大规模车辆路径问题的计算

现在可以解决最多包含两个车辆、八个位置的带容量限制的车辆路由问题的基准实例。这超过了现有量子方法之前最多只能处理五个位置的限制。一种新的彩色排列编码使用排列矩阵来表示配送路线，将每个客户分配到一个唯一的访问位置。这种方法通过将车辆容量直接集成到排列结构中，简化了计算。

容量约束车辆路径问题（CVRP）是物流和运筹学领域的一项基础性挑战，它涉及在车辆容量约束下，为一组已知需求的客户设计最优路线。传统上，求解CVRP，特别是大规模实例，需要大量的计算资源。现有的CVRP量子算法通常需要大量的量子比特，限制了其可扩展性。本文提出的新方法通过一种新颖的编码方案解决了这一限制。彩色排列编码将路线表示为一个n×n的排列矩阵，其中n是客户的数量。每辆车都被分配一个“颜色”，矩阵的构造方式使得每个客户恰好被一辆车访问。K辆车各自选择一个不相交的部分排列，这K个颜色层的总和构成一个完整的排列矩阵。这种表示方法使用n²K个二进制决策变量，这些变量排列成K个颜色层，覆盖在一个公共的排列结构上。至关重要的是，车辆容量是通过对置换矩阵的元素进行加权求和来强制执行的，从而无需使用辅助量子比特来跟踪车辆负载。

与许多以往的量子编码方法不同，该方法无需额外的逻辑量子比特来表示车辆载荷，从而显著降低了计算资源消耗。利用量子计算技术解决复杂配送问题取得了重大进展。除了能够解决最多包含八个地点和两辆车的实例外，该方法还成功应对了现有量子方法此前难以处理的基准测试。“彩色排列”编码将车辆容量直接集成到计算结构中，无需额外的量子比特来跟踪车辆载荷。此外，新方法使用“可行性预言机”（一套用于验证解决方案的可重用工具），并在约束增强型量子优化算法（QAOA）框架内运行，从而简化了计算。随附文档中详述的分析机制证实了支撑该方法成功的正向过滤过程，并且团队的流程已在标准基准测试套件上独立验证了最优解。可行性预言机尤为重要，因为它能够高效地验证候选解，这是量子优化算法的关键步骤。这种可重用性扩展了这项工作的应用范围，使其不仅限于量子计算，还有可能使经典的启发式算法受益。

约束增强型量子自动光学阵列 (QAOA) 及其在配送路线优化中对符号保持混合器的必要性

在容量限制的车辆路径问题中，如何在满足车辆限制的前提下优化配送路线长期以来都需要强大的计算能力。这种新型的量子比特高效编码为应对日益复杂的物流挑战提供了一条充满希望的途径，但其目前的成功取决于一个特定的框架：约束增强型量子自动光学阵列 (QAOA)。作者指出，要充分发挥量子优势，不仅需要算法的改进，还需要开发“符号保持混合器”。这些混合器对于在 QAOA 框架内保持有益的主动动力学至关重要，也是未来研究的一个重要方向。

量子近似优化算法（QAOA）是一种混合量子-经典算法，旨在解决组合优化问题。约束增强型QAOA在此框架的基础上，将特定问题的约束直接融入量子电路，从而提升算法性能和解的质量。然而，QAOA（尤其是其约束变体）的有效性很大程度上取决于“混合器”的选择。混合器是算法运行过程中演化量子态的酉算符，其设计显著影响算法有效探索解空间的能力。“符号保持混合器”是一种特殊的混合器，旨在保持整个优化过程中解的可行性，防止算法陷入搜索空间的无效区域。开发此类混合器并非易事，目前仍是活跃的研究领域。当前的实现依赖于精心设计的、针对彩色排列编码定制的混合器，但将这些混合器推广到其他问题实例仍然是一个巨大的挑战。

将路线表示为置换矩阵，并将每次配送分配到唯一位置，这种针对有容量约束的车辆路径问题 (CVRP) 的新型编码方法简化了计算。车辆容量直接通过加权和集成到置换结构中，无需像以往的量子方法那样使用额外的量子比特来跟踪车辆负载。这种量子比特效率使得研究团队能够在标准基准测试中独立验证最优解，突破了之前五个位置的限制。由此产生的可行性预言机为量子和传统路径应用提供了一个可重用的组件。这项工作的意义远不止于增加可解实例的数量。通过降低量子比特开销，这种编码方法使 CVRP 的量子解更接近于在近期量子设备上的实际应用。此外，可重用的可行性预言机以及从分析机制中获得的见解，可以为开发更高效的经典启发式算法来求解 CVRP 提供参考，从而弥合量子和经典优化技术之间的差距。

研究人员开发了一种新的车辆路径问题编码方法，将路径表示为最多包含五个位置的置换矩阵。这种方法有效地将车辆容量直接集成到编码中，与许多先前的量子方法相比，减少了所需的量子比特数量。由此产生的框架在标准基准测试中成功恢复了经过独立验证的最优解，展现了强大的算法性能。此外，该团队还创建了一个可重用的可行性预言机，该预言机可同时应用于量子和经典路径规划流程。