بهبود كارايي الگوريتم تكاملي كوانتومي به كمك جستجوي محلي براي حل مسئله فروشنده دوره‌گرد

در اين مقاله الگوريتم تكاملي كوانتومي با عنوان LS-GQA معرفي مي‌شود كه تركيبي از يك الگوريتم‌ تكاملي كوانتومي و جستجوي محلي است كه در آن عملگرهاي كوانتومي به‌علاوه جستجوي محلي طي چرخه‌هاي متمادي و تا زماني كه شرط خاتمه ارضاء گردد، به‌كارگرفته مي‌شوند؛ به اين اميد كه جستجوي محلي كمك ‌كند تا نواحي مستعد جواب كه به‌وسيله جستجوي سرا سري كشف-شده‌اند به‌صورت مناسبي بهره‌برداري گردند. براي بررسي كارايي الگوريتم، LS-GQA براي حل مسئله فروشنده دوره‌گرد استفاده شد. فروشنده دوره‌گرد ازجمله مسائل بهينه‌سازي تركيبي و NP Hard است كه فضاي حل مسئله گسترده‌اي دارد. براي اين منظور از مجموعه داده GR-24 كه يكي از مجموعه داده‌هاي استاندارد در اين زمينه است، استفاده‌ شد. بهينه‌ترين مسيري كه براي GR-24 تاكنون محاسبه‌شده، داراي هزينه 1272 است. بررسي نتايج حاصل از آزمايش‌هاي متعدد، نشان ‌داد كه الگوريتم LS-GQA قادر است در مقايسه با الگوريتم كوانتومي معمول با سرعتي بيشتر از 50 درصد به جواب بهينه همگرا گردد و همچنين راه‌حل‌هاي باكيفيت بهتر ارائه نمايد كه اين موضوع منجر به معرفي مسير بهينه جديدي با هزينه 1266 براي GR-24 شد.