一种用于无约束二进制二次规划的进化伊辛优化框架

《IEEE Transactions on Evolutionary Computation》:An Evolutionary Ising Optimization Framework for Unconstrained Binary Quadratic Programming

【字体: 时间:2026年04月08日 来源:IEEE Transactions on Evolutionary Computation 12

编辑推荐:

  Ising优化框架通过迭代自映射算法与混合退火策略提升QUBO问题求解效率,实验验证其在5000变量规模下表现优于IM模拟、自然算法及商业软件Gurobi。

  

摘要:

伊辛机(Ising machine,IM)作为一种专为解决复杂组合优化问题而设计的模拟计算机,在近年来受到了广泛关注。尽管定制的伊辛机硬件领域发展迅速,但从伊辛机出发开发元启发式算法的研究仍然相对较少。本文提出了一种受物理原理启发的进化计算范式,称为伊辛优化框架(Ising Optimization Framework,IOF);该框架包括一个独特的伊辛算法和一个混合退火方案,二者结合使用非常适合解决嵌入在伊辛系统能量中的二次无约束二进制优化(QUBO)问题。伊辛算法利用一系列迭代自映射函数来演化伊辛自旋群体,从而在人工伊辛系统中实现高效的能量最小化,同时减少有害的混沌现象。为了进一步提升优化能力,还设计了一种结合奇异值丢弃、分岔控制和微调策略的混合退火方案。通过在多种伊辛问题和最大割问题上的测试(决策变量数量从625到5000不等),验证了IOF的有效性。与四种主要的QUBO解决方法(包括伊辛机模拟、受自然启发的算法、最先进的启发式方法以及商业求解器Gurobi)相比,IOF在优化质量和计算效率方面均表现出色。本文为将伊辛机原理与进化计算相结合提供了理论基础和实践指导,为伊辛优化问题提供了新的进化视角,并为未来的研究和应用开辟了广阔的方向。

引言

自然界能否轻松解决被归类为非确定性多项式时间(NP)难度问题?伊辛模型是一种广泛用于研究自然界磁化的理论框架,也是物理学与计算机科学之间的重要桥梁[1],它可能提供宝贵的见解。在伊辛模型中,系统的演化过程严重依赖于自旋状态,这些自旋是离散变量,只能处于向上或向下的状态,如图1(a)所示。系统中的所有自旋集合可以被视为一个伊辛自旋群体。N个自旋系统的总能量由伊辛哈密顿量(Ising Hamiltonian)来描述(见公式(1):其中,表示自旋状态向量中的第i个自旋,代表伊辛自旋群体的状态;表示第i个自旋与第j个自旋之间的耦合系数;表示外部磁场的影响。在物理学中,最小能量原理驱动伊辛系统向基态(ground state,GS)演化,该状态对应于哈密顿量最小的特定自旋状态[2];随着系统趋近于热平衡,低能量状态的概率会呈指数级增加。例如,这一原理被用来模拟铁磁材料中磁畴方向的物理行为(其中自旋通过耦合相互作用)[3]。然而,从计算角度来看,当面对复杂的自旋拓扑结构时,确定最小能量通常属于NP难问题[4]。特别是,当自旋作为决策变量时,这个问题被称为伊辛问题[5],其目标是最小化伊辛哈密顿量(即伊辛系统的总能量),如公式(2)所示。由于N个自旋有大量可能的配置,伊辛问题的难度显而易见。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号