机构名称：
¥ 1.0
工业排班调度是制造业高效规划和运营的重要组成部分。挑战在于为具有多个生产基地的端到端制造系统找到最佳生产计划。该计划必须遵守许多约束，包括法律法规和生产基地之间有限的中间存储。在汽车行业等批量密集型行业，还必须满足生产目标走廊。优化目标是在满足所有约束的同时最大限度地降低劳动力成本。工业排班调度 (QISS) 的量子算法 [1] 提供了第一个完全量子的方法来寻找受数量约束的工业劳动力规划问题的精确解决方案。基于 Grover 自适应搜索 (GAS) [2, 3]，它继承了 Grover 算法相对于经典非结构化搜索方法（如蛮力搜索或随机搜索）的渐近二次加速。但是，这种二次加速导致实际加速的问题规模受到限制。一方面，寻求非常大的问题的精确解是不切实际的，因为：1）解决方案空间随着问题规模呈指数增长；2）约束通常对解决方案空间施加的结构非常小。因此，必须诉诸（经典的）启发式方法，例如模拟退火 [4] 或张量网络方法 [5]。另一方面，对于可以找到精确解的足够小的问题，与经典计算机相比，量子计算机的时钟速度较差，这往往会抵消二次加速 [6]。那么一个自然的问题是：是否存在一种机制，其中 QISS 可以返回精确的解决方案，其运行时间在现实世界中是可以接受的，并且优于经典的非结构化搜索？
评估行业相关量子计算的要求
主要关键词
相关文件推荐
