报告题目：面向约束优化问题的量子近似优化算法
报告专家：阮越 博士/副教授
报告时间：2024年4月30日（周二）上午10:00 - 11:30
报告地址：临江楼A106-107
主持人：刘文杰 教授
报告摘要：量子近似优化算法（Quantum Approximation Optimization Algorithm，QAOA）是基于量子线路模型对量子绝热算法求解组合优化问题进行近似的算法框架。在QAOA框架内，处理约束优化问题的传统方法是在问题哈密尔顿量中添加惩罚项，将原问题转化为无约束优化问题求解。我们的工作给出了在QAOA算法框架内处理约束优化问题的新方法：①我们将组合优化问题的约束形式化地描述为线性等式约束、线性不等式约束和任意约束，给出了满足这些约束条件的混合哈密顿量的通用算子形式，从而可以不添加惩罚项，将算法演化限定在可行解的子空间内。这种方法相较QAOA框架内处理约束优化问题的传统方法，终态解的质量可以得到保证。②给出了基于XY-mixer（一种特定形式的混合哈密顿量）求解约束优化问题的一般框架，并且找到了适用XY-mixer ansatz的反非绝热驱动（Counter Diabatic driving）算子，进一步提高了算法解的质量。
专家简介：
阮越，男，博士，副教授，安徽工业大学硕士生导师，博士毕业于东南大学计算机软件与理论专业（校优博），曾先后在中科院应用数学研究所和澳大利亚西澳大学做访学研究。主持或参与多项科技创新2030、国家自然科学基金、安徽省自然科学基金项目、安徽省高校自然科学研究重点项目、教育部重点实验室开放基金等科研课题。指导学生参加“西门子杯”中国智能制造挑战赛创新类赛道获国赛一等奖（A类赛事），挑战杯获省赛二等奖（A+类赛事）。研究方向包括：量子计算、物联网、机器学习等，尤其在量子主成分分析算法、量子近似优化算法方面有深入研究。近年来，在Information Science、《计算机学报》等权威期刊发表SCI论文30余篇。
软件学院
2024年04月28日