龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽工业大学
摘要：本发明公开了一种基于QAOA参数优化的图最大分割问题解决方法，属于量子计算技术领域。本发明将每次演化得到的量子态作为强化学习的状态输入，之后通过深度强化学习来学习优化QAOA的参数，进而来解决Max‑Cut问题；采用了一个强化学习RL框架来学习一个策略网络来优化QAOA参数，就能近似得到图的最大割值；将学习QAOA参数的优化策略任务制定为一个强化学习任务，相比于传统QAOA算法，在性能得到了良好的提升。
主权项：1.一种基于QAOA参数优化的图最大分割问题解决方法，其特征在于，包括以下步骤：S1：构建图G＝V,E，其中V是顶点的集合，E是边的集合；根据顶点数|V|构建出不同的图，其具体表现形式为N*N的邻接矩阵；S2：计算各节点的在异或操作下的能量本征态和本征值来构造哈密顿量，以表示不同节点之间的连接方式；S3：初始化经验回放池D大小为N，构建深度神经网络，将基态作为初始状态输入到主神经网络的ActorNet中去，以训练深度神经网络；S4：根据深度神经网络训练所得出的副产物得到最大期望值E所对应的动作值，即量子近似优化算法的参数，并利用优化后量子近似优化算法参数值绘制出有关图Max-Cut问题的可行解。
全文数据：
权利要求：
百度查询： 安徽工业大学 一种基于QAOA参数优化的图最大分割问题解决方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号