encoder feed-forward replacement

混合量子-经典神经网络在路由优化方面展现出潜力

研究人员开发了一种混合量子-经典神经网络，旨在改进路由启发式算法，特别是针对有容量车辆路径问题。该模型集成了小型量子神经网络，以替换基于注意力的经典路由系统中的参数密集型模块。虽然这种方法将模型参数显著减少了 56% 以上，但其在较小问题实例上的性能与经典神经网络基线非常接近，但在较大问题实例上差距逐渐扩大。研究得出结论，经典路由算法仍然具有很强的竞争力，而这种混合模型为神经网络组合优化提供了一种可行的压缩策略，而不是展示量子优势。