一种基于量子自注意力神经网络的旅行商问题的解决方法

本发明公开了一种基于量子自注意力神经网络的旅行商问题的解决方法，属于量子计算领域。本发明采用了经典的编码器‑解码器结构，在编码器中设计了量子自注意力层，包括量子多头注意力层和量子全连接前馈层，子层使用了变分量子电路替代了经典神经网络的全连接层。首先编码器接收输入数据集，将节点特征嵌入量子自注意力层中，通过量子多头注意力机制提取节点间的复杂关系。随后，解码器根据编码器生成的嵌入，逐步输出节点序列以形成最优路径。在模型训练阶段，利用REINFORCE深度强化学习算法，以路径总长度作为优化目标，通过策略梯度更新模型参数。相比于已有的算法，在性能上得到了良好的提升。