基于量子哈密顿下降的增广拉格朗日方法用于约束非凸非线性优化问题.pdfVIP

基于量子哈密顿下降的增广拉格朗日方法用

于约束非凸非线性优化问题

MingzeLi,StudentMember,IEEE,LeiFan,SeniorMember,IEEE,andZhuHanFellow,IEEE

Dept.ofElectricalandComputerEngineeringandDept.ofEngineeringTechnology

UniversityofHouston,TX,USA

Emails:mli44@;lfan8@;zhan2@

摘要—非线性规划（NLP）在电力能源系统、化学工程、通的动力学等量子机制，QHD在某些情况下可以优于经

信网络和金融工程等领域中起着关键作用。然而，由于解空间的典求解器，特别是在传统梯度基方法容易陷入不良局部

复杂性和非凸非线性约束的存在，解决大规模非凸NLP问题仍最小值的非凸问题上表现更佳。此外，哈密顿嵌入技术

然是一个重大挑战。本文开发了一种基于量子哈密顿下降的增

本的最新进展显著增强了在近期量子设备上实现量子模

广拉格朗日方法（QHD-ALM）框架来解决大规模受约束的非

译凸NLP问题。增广拉格朗日方法（ALM）可以将一个有约束拟的可能性[6]。QHD已被实现在名为量子哈密顿下降

中的NLP转换为无约束的NLP，可以通过使用量子哈密顿下降优化器（QHDOPT）的软件包中[7]。该软件包可以与

1（QHD）来进行求解。为了在经典机器上运行QHD，我们建议各种量子硬件后端进行交互以求解有盒约束的非线性

v使用模拟分岔算法作为引擎来模拟动态过程。我们将我们的算法非凸优化问题。QHDOPT能够将原始问题编码为伊辛

9

6应用于一种Power-to-Hydrogen系统，并且仿真结果验证了模型，然后通过量子退火机来求解。

9我们算法的有效性。

2IndexTerms—非线性规划，量子哈密顿下降，增广拉格尽管量子绝热过程具有理论优势，当前的量子硬件

0

.朗日方法，模拟分岔，电制氢系统。仍面临显著的实际限制。可用的量子位数量仍然有限，

8

0噪声、退相干以及缺乏完全可编程性制约了可以实际解

5I.介绍决的问题的规模和复杂度。为了克服这些硬件障碍同时

2

:由于其广泛性和建模灵活性，非线性规划（NLP）保留量子动力学的优势，研究人员提出了模仿量子行

v

i已经成为跨多个应用领域的重要工具。在电力和能源系为的经典算法。一种方法是模拟分岔（SB）算法，它

x

r

a统中，它在最优潮流、机组承诺以及可再生能源整合中使用经典非线性振荡器网络[8]模拟哈密顿系统的绝热

扮演着核心角色[1]。各种求解器如IPOPT、Gurobi和演化。SB可以被视为一种哈密顿下降形式，捕捉了量

CPLEX已被开发出来以解决特定的NLP问题实例。然子退火的关键特性——如由分岔驱动的向低能态过渡

而，这些经典算法只能确保非凸问题中的局部收敛性。——而无需量子硬件。与经典模拟退火相比，SB在大

在大规模非凸环境中保证可扩展性、鲁棒性和跳出局部规模组合问题上表现出更好的性能，通过集体动力学有

极小值的能力仍面临许多挑战。效探索复杂的能量景观。其内在并行结构和利用物理类

为了克服经典求解器在处理非凸和高维优化景观比的能力使SB尤其适合集成到诸如QHDOPT的量

中的局限性，最近的研究转向了量子计算方法。一个有子优化求解器中。

前景的方向是量子退火技术，它利用量