机构名称：
¥ 1.0
摘要 - Quantum机器学习（QML）作为量子计算与机器学习（ML）的组合是探索的诺言方向，尤其是由于实现量子计算机的进步和所希望的量子优势。QML中几乎没有接近的领域是量子多代理增强学习（QMARL），尽管证明对解决工业管理，例如工厂管理，蜂窝访问和移动性合作有可能具有吸引力。本文提出了一种空中通信的用例，并引入了杂种量子古典（HQC）ML算法来解决它。此用例旨在提高飞行临时网络的连接性，并通过HQC多代理近端策略优化算法来解决，其中集中评论家的核心被数据重新上传变异量子电路所取代。结果表明，相对于可比的经典算法，早期达到收敛性以及这种解决方案的可伸缩性的性能略有提高：ANSATZ的大小增加，从而增加了可训练的参数的数量，从而导致了更好的现象。这些有希望的结果表明，Qmarl对与工业相关的复杂用例的潜力。索引术语 - Quantum Computing，多代理增强学习，交流，网络
航空广告的量子多代理增强学习...
主要关键词
相关文件推荐
