
-
生物通官微
陪你抓住生命科技
跳动的脉搏
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: 大 中 小 】 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。
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。