mindquantum.algorithm.nisq.MaxCutAnsatz

mindquantum.algorithm.nisq.MaxCutAnsatz#

class mindquantum.algorithm.nisq.MaxCutAnsatz(graph, depth=1)#

MaxCut ansatz。了解更多详细信息，请访问 A Quantum Approximate Optimization Algorithm。

\[U(\beta, \gamma) = e^{-i\beta_pH_b}e^{-i\frac{\gamma_p}{2}H_c} \cdots e^{-i\beta_0H_b}e^{-i\frac{\gamma_0}{2}H_c}H^{\otimes n}\]
\[H_b = \sum_{i\in n}X_{i}, H_c = \sum_{(i,j)\in C}Z_iZ_j\]

这里： \(n\) 是节点的集合， \(C\) 是图的边的集合。

参数：

  • graph (list[tuple[int]]) - 图结构。图的每个元素都是由两个节点构造的边。例如，[(0, 1), (1,2)]表示一个三节点的图，且其中一条边连接节点0和节点1，另一条边连接节点1和节点2。

  • depth (int) - MaxCut ansatz的深度。默认值： 1。

get_cut_value(partition)#

获取切割方案的切割边数。切割方案是一个list数组，该list数组由两个list数组构成，每一个list数组包含切割的节点。

参数：

  • partition (list) - 图形切割方案。

返回：

int，给定切割方案下的切割值。

get_partition(max_n, weight)#

获取MaxCut问题的切割方案。

参数：

  • max_n (int) - 需要多少个切割方案。

  • weight (Union[ParameterResolver, dict, numpy.ndarray, list, numbers.Number]) - MaxCut ansatz的参数值。

返回：

list，切割方案构成的列表。

property hamiltonian#

获取MaxCut问题的哈密顿量。

返回：

QubitOperator，MaxCut问题的哈密顿量。

目录