【技术实现步骤摘要】
本文涉及组合优化技术，尤指一种分类处理的方法、装置、计算机存储介质及终端。
技术介绍
1、组合数学优化问题指的是对于一个由众多变量构成的一个目标函数，去求解变量如何取值的时候，目标函数可以取得最优值；同时该类问题可以涉及不同的约束和问题常见；其中，二次无约束二值优化问题(qubo)是组合数学优化问题中的最为基本的问题，也是一个非确定性多项式(np-hard)问题，是经典计算机难以在多项式时间内求解的；相关问题的算法在金融、经济和机器学习等领域有广泛的应用。
2、近几年，量子计算技术得到了有效的提高，量子计算方法被证明可能会有效的解决部分；量子计算的发展为解决该类np难问题提供了一种新的途径和方式；其中，量子近似优化算法(qaoa)是解决这些复杂优化问题的一种强大的混合方法。通过将qubo目标函数转换为成本哈密顿量，qaoa可以利用与通用量子计算机上可用比特数相对应的变量数量来解决qubo问题。然而，由于当下的量子计算机上比特的连接性受限，且可用的量子比特数目远小于需要解决问题的规模。为了克服这一限制，研究人员开发了sub-qubo算法框架；这种方法建立在问题分解拆分的基础上，并利用了qaoa求解优化问题的优异能力，使算法能够脱离局部极小值，更大概率求解到全局最小值。这样sub-qubo问题就可以处理变量众多的复杂的组合数学优化问题。
3、相关技术中的sub-qubo算法核心思想是通过分治和迭代求解问题；其迭代流程是：首先将qubo目标函数求解问题(共n个变量)分成多个子问题，每个子问题都是由一定数目的自变
技术实现思路
1、本申请实施例提供了一种分类处理的方法，应用于组合数学优化问题，包括：根据自变量矩阵中的两个以上变量分别独立反转和同时反转时目标函数的增加值，确定关联矩阵，其中，关联矩阵用于描述两个以上变量之间的相关关系及变量发生变化对目标函数的改变；
2、将确定的关联矩阵根据矩阵元的取值拆分为两个以上第一子关联矩阵；
3、计算拆分获得的每一个第一子关联矩阵，获得每一个子关联矩阵相应的特征矩阵；
4、从获得的特征矩阵中分别选取预设数量的第一特征向量，构建第二子关联矩阵；
5、构建每一个第一子关联矩阵相应的拉普拉斯矩阵；
6、根据预先确定的距离函数、子目标函数、及构建的拉普拉斯矩阵，构建子目标函数多视图修正函数，其中，距离函数表示第二子关联矩阵相应的特征矩阵所构建的子空间之间的距离，子目标函数为根据第二子关联矩阵和构建的拉普拉斯矩阵确定的求解组合数据优化问题的目标函数，子目标函数多视图修正函数用于求解获得距离函数取值最大且子目标函数最小时的解；
7、通过求解子目标函数多视图修正函数，对距离函数中包含的所有第二子关联矩阵进行交替优化，直至子目标函数多视图修正函数收敛时获得第三子关联矩阵，第三子关联矩阵为优化的第二子关联矩阵任意之一；
8、以第三子关联矩阵的每一行的行向量作为第二特征向量，将第二特征向量聚类到预设数量个团簇中，获得预设数量个变量分类的分组。
9、另一方面，本申请实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述分类处理的方法。
10、再一方面，本申请实施例还提供一种终端，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，
11、处理器被配置为执行存储器中的计算机程序；
12、所述计算机程序被所述处理器执行时实现如上述分类处理的方法。
13、还一方面，本申请实施例还提供一种分类处理的装置，应用于组合数学优化问题，包括：确定关联单元、拆分单元、计算单元、第一构建单元、第二构建单元、第三构建单元、优化处理单元和分类单元；其中，
14、确定关联单元设置为：根据自变量矩阵中的两个以上变量分别独立反转和同时反转时目标函数的增加值，确定关联矩阵，其中，关联矩阵用于描述两个以上变量之间的相关关系及变量发生变化对目标函数的改变；
15、拆分单元设置为：将确定的关联矩阵根据矩阵元的取值拆分为两个以上第一子关联矩阵；
16、计算单元设置为：计算拆分获得的每一个第一子关联矩阵，获得每一个子关联矩阵相应的特征矩阵；
17、第一构建单元设置为：从获得的特征矩阵中分别选取预设数量的第一特征向量，构建第二子关联矩阵；
18、第二构建单元设置为：构建每一个第一子关联矩阵相应的拉普拉斯矩阵；
19、第三构建单元设置为：根据预先确定的距离函数、子目标函数、及构建的拉普拉斯矩阵，构建子目标函数多视图修正函数，其中，距离函数表示第二子关联矩阵相应的特征矩阵所构建的子空间之间的距离，子目标函数为根据第二子关联矩阵和构建的拉普拉斯矩阵确定的求解组合数据优化问题的目标函数，子目标函数多视图修正函数用于求解获得距离函数取值最大且子目标函数最小时的解；
20、优化处理单元设置为：通过求解子目标函数多视图修正函数，对距离函数中包含的所有第二子关联矩阵进行交替优化，直至子目标函数多视图修正函数收敛时获得第三子关联矩阵，第三子关联矩阵为优化的第二子关联矩阵任意之一；
21、分类单元设置为：以第三子关联矩阵的每一行的行向量作为第二特征向量，将第二特征向量聚类到预设数量个团簇中，获得预设数量个变量分类的分组。
22、本公开实施例确定关联矩阵，拆分关联矩阵为两个以上部分，通过计算每一个第一子关联矩阵获得特征矩阵，从特征矩阵中选择第一特征向量，构建第二子关联矩阵，构建第一子关联矩阵的拉普拉斯矩阵后，进一步根据距离函数、子目标函数及拉普拉斯矩阵构建子目标函数多视图修正函数，通过求解子目标函数多视图修正函数获得用于变量分类的第二特征向量，实现了基于第二特征向量的变量分类，降低了变量分类过程对启发式方法的依赖，提升了变量分类的质量。
23、本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的本文档来自技高网...
【技术保护点】
1.一种分类处理的方法，应用于组合数学优化问题，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述两个以上变量为变量i和变量j时，所述关联矩阵的表达式为：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述将确定的关联矩阵根据矩阵元的取值拆分为两个以上第一子关联矩阵，包括：
5.根据权利要求1所述的方法，其特征在于，所述构建每一个第一子关联矩阵相应的拉普拉斯矩阵，包括：
6.根据权利要求1至5任一项所述的方法，其特征在于，所述距离函数为D：
7.根据权利要求6所述的方法，其特征在于，第i个第一子关联矩阵的拉普拉斯矩阵为Li，第i个第二子关联矩阵为Ui，相应的所述子目标函数为(Ui)TLiUi，所述子目标函数多视图修正函数的表达式为：
8.根据权利要求1至5任一项所述的方法，其特征在于，所述将第二特征向量聚类到预设数量个团簇中，包括：
9.根据权利要求1至5任一项所述的方法，其特征在于，所述自变量矩阵中包含变量个数为
10.根据权利要求1至5任一项所述的方法，其特征在于，所述将获得的第二特征向量聚类到预设数量个团簇中，获得预设数量个变量分类的分组之后，所述方法还包括：
11.一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述的分类处理的方法。
12.一种终端，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，
13.一种分类处理的装置，应用于组合数学优化问题，包括：确定关联单元、拆分单元、计算单元、第一构建单元、第二构建单元、第三构建单元、优化处理单元和分类单元；其中，
...【技术特征摘要】
1.一种分类处理的方法，应用于组合数学优化问题，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述两个以上变量为变量i和变量j时，所述关联矩阵的表达式为：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述将确定的关联矩阵根据矩阵元的取值拆分为两个以上第一子关联矩阵，包括：
5.根据权利要求1所述的方法，其特征在于，所述构建每一个第一子关联矩阵相应的拉普拉斯矩阵，包括：
6.根据权利要求1至5任一项所述的方法，其特征在于，所述距离函数为d：
7.根据权利要求6所述的方法，其特征在于，第i个第一子关联矩阵的拉普拉斯矩阵为li，第i个第二子关联矩阵为ui，相应的所述子目标函数为(ui)tliui，所述子目标函数多视图修正函数的表达式为：
8.根据权利要求1至5任一项所述的方法，其特征在于，所述将第...
【专利技术属性】
技术研发人员：赵文定，
申请(专利权)人：华翊博奥北京量子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。