公开(公告)号：CN118364929A

公开(公告)日：2024-07-19

申请号：CN202410255948.5

申请日：2024-03-06

Applicant: 安徽工业大学

Inventor： 杨领 ,  胡奇 ,  阮越

IPC: G06N10/60

Abstract: 本发明公开了一种基于QAOA框架的最大独立集问题的解决方法，属于量子计算技术领域。本发明在经典QAOA方法的基础上，通过Lovaszθ函数得到图最大独立集的上界，缩减QAOA的可行解演化空间，并在QAOA算符中添加惩罚项，使不满足约束条件的解在QAOA中的表现比满足约束条件的解差。利用QAOA算法框架，根据已得到的上界制备对应汉明权重的均匀叠加态并不断向下逼近，直到逐渐缩小的上界与此时用该上界作为均匀叠加态所得到期望值相等，就能得到最大独立集的顶点个数，测量终态最大概率对应的二进制向量，即可得到最大独立集。相比于已有的算法，在性能上得到了良好的提升。

公开(公告)号：CN118350409A

公开(公告)日：2024-07-16

申请号：CN202410336587.7

申请日：2024-03-22

Applicant: 安徽工业大学

Inventor： 胡奇 ,  杨领 ,  薛希玲 ,  阮越

IPC: G06N3/042 ,  G06N3/047 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种基于混合图神经网络的最大团问题的解决方法，属于深度学习领域。本发明在散射神经网络每层间进行权值共享，并且将散射神经网络与图神经网络进行混合，得到了更精确的节点信息表征，对于输入图数据，使用训练好的神经网络将一组节点级数据转换成概率向量，通过贪心算法选择概率最高的多个节点组成一个最大团，将概率向量映射为输入图上的最大团，得到最大团问题的近似最优解。相比于已有的算法，在性能上得到了良好的提升。