机构名称：
¥ 1.0
摘要 - 地球成像卫星是我们日常生活的关键部分，可以使全球跟踪工业活动。用例涵盖了许多应用程序，从天气预报到数字地图，碳足迹跟踪和植被监测。但是，有局限性；卫星很难制造，维护昂贵，并且发射到轨道上很棘手。因此，卫星必须有效地使用。这提出了一个称为卫星任务计划问题的挑战，可以是计算中的vivetosolveOnlargesCales.ever，近距离算法，例如贪婪的增强学习和优化算法，通常可以提供令人满意的分辨率。本文介绍了一组量子算法来解决误解计划问题，并证明了比迄今为止实施的classical算法的优势。该问题被提出，是因为在包含数千个任务和多个卫星的真实数据集上完成的高优先级任务数量。这项工作表明，通过解决方案链接和聚类，优化和机器学习算法为最佳解决方案提供了最大的潜力。本文特别表明，杂交量子增强的增强剂学习剂可以在高优先级任务上获得98.5％的完成百分比，从而在基线贪婪方法中以75.8％的完成率显着改善。这项工作中提出的结果铺平了在太空行业中支持量子的解决方案的方式，更普遍地是整个工业的未来任务计划问题。
应用于...
主要关键词
相关文件推荐
