量子多目标优化方法、量子多目标优化系统及量子计算机与流程

本技术涉及车辆，特别涉及一种量子多目标优化方法、量子多目标优化系统和量子计算机。

背景技术：

1、在组合优化与决策任务中，通常需要同时优化多个相互冲突的目标，多目标组合优化方法通常通过逐个权重单独训练量子电路实现优化。然而，在实际业务中优化问题对应的实体关联拓扑会产生动态变化，静态迁移参数在拓扑突变后失效，需要重新训练量子电路，计算开销较大。

技术实现思路

1、本技术提供了一种量子多目标优化方法、量子多目标优化系统和量子计算机。

2、本技术实施方式提供一种量子多目标优化方法，所述方法包括：

3、根据待优化数据构建实体关联关系图，并提取所述实体关联关系图的图拓扑嵌入；

4、将所述图拓扑嵌入和目标权重向量输入至预先训练完成的参数映射模型，输出量子电路参数；

5、根据所述目标权重向量构建总哈密顿量；

6、根据所述总哈密顿量和所述量子电路参数构建并执行量子电路，获取采样结果；

7、对所述采样结果进行解码和多目标评估处理，更新帕累托解集，以输出最优帕累托解集。

8、如此，根据待优化数据构建实体关联关系图，并提取实体关联关系图的图拓扑嵌入，及将图拓扑嵌入和目标权重向量输入至预先训练完成的参数映射模型，输出量子电路参数，及根据目标权重向量构建总哈密顿量，及根据总哈密顿量和量子电路参数构建并执行量子电路，获取采样结果，及对采样结果进行解码和多目标评估处理，更新帕累托解集，以输出最优帕累托解集。这样，当实体关联拓扑结构发生动态变化时，可通过重新提取图拓扑嵌入即可生成适配参数，降低计算开销，实现了量子电路参数的跨拓扑快速迁移，适配动态变化的实际业务场景。以及，通过构建总哈密顿量，可将多目标与约束条件统一编码，保证量子采样得到的候选解符合业务规则，进而依托帕累托解集迭代更新机制，持续筛选优质折中解，进而在一定程度上提升优化结果的全面性与准确性，提示最优帕累托解集的获取效率。

9、在某些实施方式中，所述根据待优化数据构建实体关联关系图，并提取所述实体关联关系图的图拓扑嵌入，包括：

10、根据所述待优化数据，构建所述实体关联关系图，其中，所述实体关联关系图包括节点集合、边集合和边权重矩阵；

11、基于图注意力网络模型，对所述实体关联关系图进行处理，提取所述图拓扑嵌入，其中，所述图注意力网络模块被配置为对所述实体关联关系图中的每个节点进行特征提取处理，获取初始特征向量，及结合注意力系数融合邻居节点和边权信息，更新所述初始特征向量，及对更新后的特征向量进行基于注意力的池化处理，输出所述图拓扑嵌入。

12、如此，根据待优化数据，构建实体关联关系图，其中，实体关联关系图包括节点集合、边集合和边权重矩阵；基于图注意力网络模型，对实体关联关系图进行处理，提取图拓扑嵌入，其中，图注意力网络模块被配置为对实体关联关系图中的每个节点进行特征提取处理，获取初始特征向量，及结合注意力系数融合邻居节点和边权信息，更新初始特征向量，及对更新后的特征向量进行基于注意力的池化处理，输出图拓扑嵌入。这样，通过图结构可以真实还原业务场景下实体的交互规律，以基于图注意力网络与注意力系数，依据边权重区分不同邻居节点的重要性，避免无关或弱关联节点干扰特征学习，提升节点特征提取的精准度，使输出的图拓扑嵌入能够全面表征整张图的拓扑特点，让嵌入向量与实际结构相匹配，进一步提升后续参数映射模型的推理精度，进而使生成的量子电路参数与当前问题结构高度适配。

13、在某些实施方式中，所述方法还包括：

14、计算当前实体关联关系图的图拓扑嵌入与上一时刻图拓扑嵌入之间的绝对值距离；

15、对比预设嵌入变化阈值和所述绝对值距离，在所述绝对值距离大于所述预设嵌入变化阈值的情况下，确定所述实体关联关系图的拓扑结构发生变化，重新提取变化后的实体关联关系图的图拓扑嵌入并基于所述参数映射模型生成新的量子电路参数。

16、如此，计算当前实体关联关系图的图拓扑嵌入与上一时刻图拓扑嵌入之间的绝对值距离；对比预设嵌入变化阈值和绝对值距离，在绝对值距离大于预设嵌入变化阈值的情况下，确定实体关联关系图的拓扑结构发生变化，重新提取变化后的实体关联关系图的图拓扑嵌入并基于参数映射模型生成新的量子电路参数。这样，依靠向量绝对值距离量化图结构差异，可替代人工主观判断，提升拓扑结构变化的识别的准确性和可靠性，并且基于预设嵌入变化阈值与绝对值距离进行比对，可在结构发生改变时触发参数更新，保证量子电路参数始终与当前图拓扑结构相匹配，避免参数失配导致的优化精度下降，适配实体关联关系持续变化的复杂动态场景。

17、在某些实施方式中，所述根据所述目标权重向量构建总哈密顿量，包括：

18、基于每个优化目标，将所述待优化数据对应的代价函数映射为量子比特的伊辛模型哈密顿量，得到多个子目标哈密顿量；

19、根据所述目标权重向量对所述多个子目标哈密顿量进行加权求和，构建所述总哈密顿量。

20、如此，基于每个优化目标，将待优化数据对应的代价函数映射为量子比特的伊辛模型哈密顿量，得到多个子目标哈密顿量；根据目标权重向量对多个子目标哈密顿量进行加权求和，构建总哈密顿量。这样，基于伊辛模型，每个优化目标均可按照相同规则生成子目标哈密顿量，以将复杂多目标问题拆解为多个单目标分别处理，降低了多目标量子编码的难度，进而通过权重向量加权求和的融合方式，精准体现不同目标的优先级，让量子电路的演化方向及求解结果贴合业务决策需求。

21、在某些实施方式中，所述根据所述目标权重向量构建总哈密顿量，还包括：

22、基于所述每个约束条件，将所述待优化数据对应的约束逻辑映射为惩罚项哈密顿量；

23、根据所述目标权重向量对所述多个子目标哈密顿量及所述惩罚项哈密顿量进行加权求和，构建所述总哈密顿量。

24、如此，基于每个约束条件，将待优化数据对应的约束逻辑映射为惩罚项哈密顿量；根据目标权重向量对多个子目标哈密顿量及惩罚项哈密顿量进行加权求和，构建总哈密顿量。这样，实现了优化目标与约束条件的一体化量子编码，将约束校验前置到量子电路演化阶段，减少违反规则的无效采样结果，提升量子计算资源的利用率，适配带有复杂约束的各类组合优化场景。

25、在某些实施方式中，所述根据所述总哈密顿量和所述量子电路参数构建并执行量子电路，获取采样结果，包括：

26、根据所述总哈密顿量和所述量子电路参数构建所述量子电路；

27、对所述量子电路执行量子编译处理，获取编译量子电路；

28、基于预设采样次数，对所述编译后的量子电路进行采样处理，获得所述采样结果。

29、如此，根据总哈密顿量和量子电路参数构建量子电路；对量子电路执行量子编译处理，获取编译量子电路；基于预设采样次数，对编译后的量子电路进行采样处理，获得采样结果。这样，通过标准化量子编译流程，可适配不同型号、不同比特拓扑的量子芯片，并通过编译过程中插入辅助量子门、优化电路结构，降低电路运行错误率，提升量子电路执行的稳定性，以固定预设采样次数的模式，实现了采样规模的可控化，进一步提升整体优化效率。

30、在某些实施方式中，对所述采样结果进行解码和多目标评估处理，更新帕累托解集，以输出最优帕累托解集，包括：

31、对所述采样结果进行等权重解码处理，获取组合结果；

32、对所述组合结果进行多目标评估处理，获取当前解集；

33、合并所述当前解集和上一轮次获取的历史解集，获取合并集；

34、对所述合并集进行筛选处理，确定候选解集；

35、基于所述候选解集更新所述帕累托解集，以输出最优帕累托解集。

36、如此，对采样结果进行等权重解码处理，获取组合结果；对组合结果进行多目标评估处理，获取当前解集；并当前解集和上一轮次获取的历史解集，获取合并集；对合并集进行筛选处理，确定候选解集；基于候选解集更新帕累托解集，以输出最优帕累托解集。这样，统一的等权重解码规则保证了所有比特串的转换标准一致，消除了人为解码差异带来的评估误差，让每一个候选解的评价结果客观可信，保障后续筛选工作的准确性，并且通过将当前解集与历史解集合并处理，可利用每一轮迭代产生的有效成果，避免前期搜索资源浪费，加快整体优化的收敛速度，以依靠标准化的非支配筛选逻辑，保证最终留存的候选解集均为具备折中价值的优质方案，持续提升帕累托解集的整体质量。

37、在某些实施方式中，所述方法还包括：

38、根据更新后的所述帕累托解集，计算目标超体积指标；

39、对所述目标超体积进行稀疏区域识别处理，确定目标稀疏区域和所述目标稀疏区域的动态参数；

40、基于预设采样策略，根据所述动态参数，对所述帕累托解集进行采样处理，生成新的目标权重向量。

41、如此，根据更新后的帕累托解集，计算目标超体积指标；对目标超体积进行稀疏区域识别处理，确定目标稀疏区域和目标稀疏区域的动态参数；基于预设采样策略，根据动态参数，对帕累托解集进行采样处理，生成新的目标权重向量。这样，相较于均匀随机采样方式的盲目性，本技术实施方式以帕累托解集的实际分布作为采样依据，将量子采样资源优先分配至探索不足的稀疏区域，可减少无效采样行为，提升量子计算资源的利用效率，并通过动态参数随解集形态实时更新，让采样分布能够自适应优化迭代的不同阶段，缩短整体优化收敛周期，让最终形成的帕累托前沿更加完整、连续，满足复杂场景下多目标决策的需求。

42、本技术实施方式提供一种量子多目标优化系统，所述系统包括：

43、图构建与拓扑嵌入提取模块，所述图构建与拓扑嵌入提取模块被配置为根据待优化数据构建实体关联关系图，并提取所述实体关联关系图的图拓扑嵌入；

44、量子参数生成模块，所述量子参数生成模块被配置为将所述图拓扑嵌入和目标权重向量输入至预先训练完成的参数映射模型，输出量子电路参数；

45、多目标哈密顿量构建模块，所述多目标哈密顿量构建模块被配置为根据所述目标权重向量构建总哈密顿量；

46、量子电路执行与采样模块，所述量子电路执行与采样模块被配置为根据所述总哈密顿量和所述量子电路参数构建并执行量子电路，获取采样结果；

47、优化输出模块，所述优化输出模块被配置为对所述采样结果进行解码和多目标评估处理，更新帕累托解集，以输出最优帕累托解集。

48、本技术实施方式提供一种量子计算机，包括上述量子多目标优化系统，或执行上述量子多目标优化方法。

49、本技术实施方式提供的量子多目标优化系统和量子计算机，根据待优化数据构建实体关联关系图，并提取实体关联关系图的图拓扑嵌入；将图拓扑嵌入和目标权重向量输入至预先训练完成的参数映射模型，输出量子电路参数；根据目标权重向量构建总哈密顿量；根据总哈密顿量和量子电路参数构建并执行量子电路，获取采样结果；对采样结果进行解码和多目标评估处理，更新帕累托解集，以输出最优帕累托解集。这样，当实体关联拓扑结构发生动态变化时，可通过重新提取图拓扑嵌入即可生成适配参数，降低计算开销，实现了量子电路参数的跨拓扑快速迁移，适配动态变化的实际业务场景。以及，通过构建总哈密顿量，可将多目标与约束条件统一编码，保证量子采样得到的候选解符合业务规则，进而依托帕累托解集迭代更新机制，持续筛选优质折中解，进而在一定程度上提升优化结果的全面性与准确性，提示最优帕累托解集的获取效率。

50、本技术的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实施方式的实践了解到。