摘要：在嘈杂的中尺度量子时代,传统的初始映射策略忽略了后续操作中可能出现的邻接性的问题。针对这一挑战,综合考虑量子比特间的距离、交互时间和门操作的错误率,设计了一个多因素交互成本函数,并提出综合SWAP优化策略(comprehensive SWAP optimization strategy,CSOS)。该策略包括最佳SWAP选择和基于SWAP的批量更新策略,用于优化量子电路的局部量子位映射。最佳SWAP选择通过对比SWAP操作的效益,选择最佳收益的SWAP门;批量更新策略在映射阶段考虑即将执行的量子操作序列,预先执行批量的SWAP操作。二者综合可以减少整个电路执行过程中的SWAP数量,以最大程度减少映射开销。实验结果显示,CSOS优化方式可以平均减少38.1%的插入SWAP门数量,并降低约12%的硬件门计数开销。

摘要：在嘈杂的中尺度量子(noisy intermediate-scale quantum,NISQ)时代,调度是量子电路编译的关键步骤。传统调度策略未充分利用量子计算的并行性,忽略了层内操作的潜在并行优化。因此,设计了两种优化策略:拓扑层级调度策略(topological layered scheduling strategy,TLSS)和层内冲突优化策略(layerwise conflict optimization strategy,LCOS)。TLSS利用贪心算法和拓扑排序原理,在层结构中分配量子门,以最大化并行执行量子门操作的数量。LCOS在层内插入SWAP门并最小化冲突以提高并行度,优化整体计算效率。实验结果表明,在涉及4至22量子比特、平面拓扑结构以及双量子比特的平均寿命为67μs的特定环境下,TLSS与LCOS分别降低51.1%和53.2%的SWAP门数量,减少14.7%和15%的硬件门开销。由于量子电路的复杂性及层间时序关系的干扰,将两策略结合后SWAP门数量降低51.6%,硬件门开销减少14.8%。然而结果的适用性受到不同结构和硬件限制的影响。

摘要：针对传统路径规划算法收敛速度慢、稳定性差、易陷入局部极值的问题,提出一种基于梯度统计变异量子遗传算法的车辆路径规划方法.首先在依据染色体适应度值动态调整旋转角步长的基础上,引入梯度下降思想对量子旋转门调整策略进行改进;根据染色体变化趋势的统计特性,设计基于梯度统计的变异算子实现变异操作,提出基于量子位概率密度的自适应变异策略;以路径最短为指标建立车辆路径规划模型,通过仿真实验验证改进算法在车辆路径规划中的有效性,与其他优化算法相比,本文改进算法所规划路径长度更短,搜索稳定性更好,能有效控制算法陷入局部最优.