计算流体动力学问题上基于代理的进化算法的性能比较
原文中文,约300字,阅读约需1分钟。发表于: 。这篇研究论文使用两个真实的计算流体动力学问题比较了十一个最先进的单目标代理辅助进化算法的性能表现,结果发现最近发布的方法以及利用差分进化作为优化机制之一的技术明显优于其他方法。
通过定义一个优化问题的类,并在这个类中识别出 QA 和 SA 存在指数级小的概率找到解的实例,我们得出了 Quantum Approximate Optimization Algorithm, Simulated Annealing 和 Quantum Annealing 之间的第一条分界线,并突显了基于干扰的搜索启发式(例如 QAOA)和像 SA 和 QA 这样基于热和量子波动的启发式之间的根本差异。