Решение задачи в QUBO при помощи сэмплера Dwave

Перед началом работы

Получите доступ к сэмплерам Dwave удобным способом:

• удаленно в Jupiter Server с помощью инструкции;

• локально с помощью команды в терминале:

pip   install   dwave-samplers

Запустите сэмплер

Чтобы запустить сэмплер DWave, отправьте в терминал команду:

sampler   =   SimulatedAnnealingSampler () 

 num_reads   =   10 

 num_sweeps   =   10 ** 5 

 beta_range = [ 0.1 ,   4.2 ] 

 beta_schedule_type = 'geometric' 

 sample_set   =   sampler . sample_qubo ( Q ,   num_reads   =   num_reads ,   num_sweeps   =   num_sweeps ,   beta_range = beta_range ,   beta_schedule_type = beta_schedule_type ) 

Где:

• sampler — объект решателя.

• num_reads — количество запусков алгоритма.

• num_sweep — максимальное количество итераций алгоритма.

• beta_range — расписание отжига, последовательность обратных температуре величин.

• beta_schedule_type — тип интерполяции между точками.

Подробнее о параметрах функции можно узнать в документации Dwave SimulatedAnnealingSampler.

Получите результаты

1. Отправьте в терминал команду:

   print ( sample_set ) 
   
   

   В результате отобразится таблица:

       0    1    2    3    4    5    6    7    8    9       energy   num_oc . 
    0    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    1    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    2    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    3    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    4    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    5    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    6    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    7    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    8    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    9    0    1    0    0    1    0    1    0    1    1   - 62.625568         1 
    [ 'BINARY' ,   10   rows ,   10   samples ,   10   variables ] 
   
   

   Где:

   • Столбцы от 0 до 9 показывают полученные решения. Каждое число в строке, 0 или 1, соответствует одной из переменных в векторе решения.

   • Столбец energy показывает значение функции

     \(E(x)\)
     . Это число указывает, насколько эффективно решение с точки зрения достижения минимального значения функции — чем меньше число, тем лучше.

   • Столбец num_oc показывает, сколько раз конкретное решение было найдено.

   Каждая строка в таблице представляет одну попытку решения задачи.

Выберите решение

Выберите решение одним из двух методов:

• Чтобы получить конкретное решение, используйте метод record, отправив команду:

  n   =   9 
   E   =   sample_set . record [ n ][ 1 ] 
   x   =   sample_set . record [ n ][ 0 ] 
   print ( "Energy is " , E ) 
   print ( "Solution is " , x ) 
  
  

  Где:

  • n — номер решения.

  • E — значение энергии, связанное с решением.

  • x — бинарный вектор, представляющий решение.

  В результате отобразятся значения выбранного решения:

  Energy   is    - 62.625567961557635 
   Solution   is    [ 0   1   0   0   1   0   1   0   1   1 ] 
  
  

• Чтобы получить эффективное решение, используйте метод first, отправив команду:

  x   =   sample_set . first [ 0 ] 
   print ( "Energy is " , E ) 
   print ( "Solution is " , x ) 
  
  

  В результате отобразятся значения эффективного решения с точки зрения достижения минимального значения функции:

  Energy   is    - 62.625567961557635 
   Solution   is    { 0 :   0 ,   1 :   1 ,   2 :   0 ,   3 :   0 ,   4 :   1 ,   5 :   0 ,   6 :   1 ,   7 :   0 ,   8 :   1 ,   9 :   1 }