Quanteninspirierte Optimierung

Die quanteninspirierte Optimierung nutzt Prinzipien der Quantenmechanik, um klassische Algorithmen zu verbessern, und bietet neuartige Ansätze zur potenziell effizienteren Lösung komplexer binärer Optimierungsprobleme, welche in vielen industriellen Fragestellungen eine Rolle spielen, darunter Logistik, Finanzen, maschinelles Lernen oder Pharmazie.
Dieser Vortrag gibt einen Überblick über klassische sowie Quanten- und quanteninspirierte Algorithmen zur heuristischen Lösung binärer Optimierungsprobleme, einschließlich „Simulated Annealing“, „Parallel Tempering“, „Quantum Annealing“ und „Simulated Quantum Annealing“. Die Algorithmen werden kurz vorgestellt und ihre jeweiligen Vor- und Nachteile werden diskutiert.