欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023112522336
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于量子近似优化算法的图最大分割方法,其特征在于,所述方法包括:S1、将路网的每个路口作为一个节点,并利用边概率表示路口之间的连通关系,构建-Rényi图;

S2、根据所述-Rényi图,生成p层QAOA电路;

S3、在p=1时,使用第一神经网络预测所述QAOA电路第一层的初始变分参数;

S4、在p=2时,执行步骤S3计算电路第一层的初始变分参数,并基于第一层的初始变分参数,采用第二神经网络预测所述QAOA电路第一层和第二层的初始变分参数;

S5、在p≥3时,执行步骤S3-S4计算电路第一层和第二层的初始变分参数,并从第三层开始采用线性差值算法,在当前层前一层的初始变分参数的基础上加上其前两层之间参数的差值,作为当前层的初始变分参数;

S6、基于电路各层的初始变分参数运行所述QAOA电路,得到路网划分近似解。

2.如权利要求1所述的基于量子近似优化算法的图最大分割方法,其特征在于,所述根据所述-Rényi图,生成p层QAOA电路,包括:根据所述-Rényi图中的节点数N,生成N量子比特量子电路;

根据所述-Rényi图的边概率,生成N量子比特量子电路的电路结构。

3.如权利要求1所述的基于量子近似优化算法的图最大分割方法,其特征在于,所述初始变分参数分别是所述QAOA电路中RZ旋转门和RX旋转门的旋转角度参数γl和βl,其中l=1,2,...,p,p为电路层数。

4.如权利要求1所述的基于量子近似优化算法的图最大分割方法,其特征在于,所述第一神经网络采用门控循环网络GRU,所述使用第一神经网络预测所述QAOA电路第一层的初始变分参数,包括:将初始随机参数与该参数对应的成本进行拼接,得到拼接数据;

将初始隐藏状态h0与所述拼接数据作为GRU的输入,通过损失函数对初始随机参数所运行得到的期望值进行迭代,并将新的成本、新的初始随机参数和新的隐藏状态作为输出返回至所述GRU的输入;

执行设定时间步长,并计算每个时间步对应的期望值,将最大期望值对应的参数作为所述QAOA电路第一层的初始变分参数。

5.如权利要求1所述的基于量子近似优化算法的图最大分割方法,其特征在于,所述第二神经网络采用卷积神经网络CNN,所述基于第一层的初始变分参数,采用第二神经网络预测所述QAOA电路第一层和第二层的初始变分参数,包括:将所述QAOA电路第一层的初始变分参数作为卷积层一的输入,所述卷积层一用于将输入数据扩展为16维;

所述卷积层一的输出连接卷积层二,所述卷积层二用于将卷积层二的输入扩展为64维;

所述卷积层二的输出连接卷积层三,所述卷积层三用于将卷积层三的输入降维至1维后输出所述QAOA电路第一层和第二层的初始变分参数。

6.一种基于量子近似优化算法的图最大分割装置,其特征在于,所述装置包括:图构造模块,用于将路网的每个路口作为一个节点,并利用边概率表示路口之间的连通关系,构建-Rényi图;

量子电路编码模块,用于根据所述-Rényi图,生成p层QAOA电路;

第一参数优化模块,用于在p=1时,使用第一神经网络预测所述QAOA电路第一层的初始变分参数;

第二参数优化模块,用于在p=2时,基于第一参数优化模块计算的电路第一层的初始变分参数,采用第二神经网络预测所述QAOA电路第一层和第二层的初始变分参数;

第三参数优化模块,用于在p≥3时,基于第一参数优化模块和第二参数优化模块的计算结果,并从第三层开始采用线性差值算法,在当前层前一层的初始变分参数的基础上加上其前两层之间参数的差值,作为当前层的初始变分参数;

电路运行模块,用于基于电路各层的初始变分参数运行所述QAOA电路,得到路网划分近似解。

7.如权利要求6所述的基于量子近似优化算法的图最大分割装置,其特征在于,所述图构造模块,具体用于:根据所述-Rényi图中的节点数N,生成N量子比特量子电路;

根据所述-Rényi图的边概率,生成N量子比特量子电路的电路结构。

8.如权利要求6所述的基于量子近似优化算法的图最大分割装置,其特征在于,所述初始变分参数分别是所述QAOA电路中RZ旋转门和RX旋转门的旋转角度参数γl和βl,其中l=1,2,...,p,p为电路层数。

9.如权利要求6所述的基于量子近似优化算法的图最大分割装置,其特征在于,所述第一参数优化模块,具体用于:将初始随机参数与该参数对应的成本进行拼接,得到拼接数据;

将初始隐藏状态h0与所述拼接数据作为GRU的输入,通过损失函数对初始随机参数所运行得到的期望值进行迭代,并将新的成本、新的初始随机参数和新的隐藏状态作为输出返回至所述GRU的输入;

执行设定时间步长,并计算每个时间步对应的期望值,将最大期望值对应的参数作为所述QAOA电路第一层的初始变分参数。

10.如权利要求6所述的基于量子近似优化算法的图最大分割装置,其特征在于,所述第二参数优化模块,具体用于:将所述QAOA电路第一层的初始变分参数作为卷积层一的输入,所述卷积层一用于将输入数据扩展为16维;

所述卷积层一的输出连接卷积层二,所述卷积层二用于将卷积层二的输入扩展为64维;

所述卷积层二的输出连接卷积层三,所述卷积层三用于将卷积层三的输入降维至1维后输出所述QAOA电路第一层和第二层的初始变分参数。