QOPTLib

QOPTLib是一个面向量子计算的组合优化问题基准数据集，由巴斯克研究和科技联盟创建。该数据集包含40个实例，均匀分布在四个知名问题上：旅行商问题、车辆路径问题、一维装箱问题和最大割问题。数据集的大小和复杂度设计为既包含小型示例，也包含更复杂的实例，以便于量子处理单元（QPU）处理。QOPTLib的创建旨在为量子优化领域提供一个通用的测试平台，解决量子算法评估和比较的问题。

QOPTLib is a benchmark dataset for combinatorial optimization problems in quantum computing, developed by the Basque Research and Technology Alliance. It contains 40 instances evenly distributed across four well-known problem categories: the Traveling Salesman Problem (TSP), Vehicle Routing Problem (VRP), One-Dimensional Bin Packing Problem, and Max-Cut Problem. The dataset's size and complexity are designed to cover both small-scale test cases and more complex instances, facilitating processing by Quantum Processing Units (QPUs). QOPTLib was created to provide a universal test platform for the quantum optimization field, addressing the challenges associated with the evaluation and comparison of quantum algorithms.

搜集汇总

数据集介绍

构建方式

在量子计算优化领域，QOPTLib的构建旨在为组合优化问题提供一个标准化的测试基准。该数据集精心选取了旅行商问题、车辆路径问题、一维装箱问题及最大割问题这四类经典组合优化问题，每类问题各包含10个实例，总计40个实例。构建过程中，实例规模经过审慎设计，既考虑了当前量子处理器的可计算范围，也兼顾了混合量子-经典方法的最大可处理规模。具体而言，旅行商问题实例源自TSPLib经典数据集的缩减版本，车辆路径问题实例基于Augerat CVRP基准的简化，一维装箱问题实例由作者按随机规则生成，而最大割问题实例则采用GSet标准格式随机创建。所有实例均遵循相应领域的标准数据格式，确保了与现有求解库的兼容性。

特点

QOPTLib的显著特点在于其专为量子计算环境量身定制，充分考虑了当前噪声中尺度量子时代的硬件限制。数据集覆盖了从极小规模到中等规模的实例，既包含仅4个节点的旅行商问题简易案例，也纳入了多达300个节点的最大割问题复杂图结构。这种梯度设计使得该基准能够同时评估纯量子求解器与混合求解器的性能。此外，所有实例均基于经典优化领域的公认基准进行改编或生成，保证了问题结构的典型性与挑战性。数据集的开放性与格式标准化进一步促进了不同量子算法之间的公平比较与结果可复现性。

使用方法

研究人员可利用QOPTLib评估各类量子优化算法的性能。使用前，需从指定存储库获取数据集文件，并依据问题类型选用相应的解析工具（如Qiskit优化库）读取实例数据。对于旅行商问题与车辆路径问题，实例采用TSPLib与CVRPLib标准格式；一维装箱问题与最大割问题则分别遵循特定文本结构与GSet格式。在实验设计中，用户可将量子退火器、量子近似优化算法或混合求解器等应用于这些实例，通过比较求解质量、收敛速度或资源消耗等指标来验证算法有效性。该数据集亦可用于建立性能基线，如原始论文中采用D-Wave纯量子与混合求解器提供的初步结果，为后续研究提供改进目标。

背景与挑战

背景概述

量子计算作为新兴计算范式，在组合优化领域展现出颠覆性潜力，然而该领域长期缺乏标准化的评估基准。在此背景下，西班牙TECNALIA研究中心的研究团队于2024年提出了QOPTLib数据集，旨在构建首个面向量子计算的组合优化基准库。该数据集聚焦旅行商问题、车辆路径问题、一维装箱问题及最大割问题这四类经典NP难问题，精心设计了40个规模各异的实例。这些实例的规模不仅匹配当前量子处理器的可计算范围，同时兼顾了混合量子-经典算法的处理能力，为量子优化算法的公平比较与性能评估提供了重要基础设施。

当前挑战

QOPTLib数据集面临的核心挑战体现在两个维度：在领域问题层面，组合优化问题本身具有极高的计算复杂性，量子算法需在噪声中尺度量子时代硬件限制下，有效处理离散变量与复杂约束的映射难题，特别是如何将经典优化问题转化为适合量子处理器求解的哈密顿量形式。在构建过程中，研究团队需精确平衡实例规模与量子设备实际能力，既要避免因规模过小失去评估意义，又要防止规模超出当前量子处理器或混合求解器的有效求解范围。此外，确保数据集与现有经典基准库的格式兼容性，同时满足不同量子计算平台的技术要求，构成了数据集设计中的另一重工程挑战。

常用场景

经典使用场景

在量子优化算法研究领域，QOPTLib作为首个面向组合优化问题的量子计算基准数据集，其经典使用场景主要集中于评估和比较各类量子求解器的性能表现。该数据集精心选取了旅行商问题、车辆路径问题、一维装箱问题及最大割问题这四类经典组合优化问题，每个问题包含10个规模各异的实例，覆盖了从可计算规模到具有非零概率获得良好结果的最大可处理规模。研究人员利用这些标准化实例，能够系统性地测试量子退火器、量子近似优化算法以及混合量子经典方法的求解能力，从而在统一的测试平台上客观衡量不同算法的优化效果与计算效率。

衍生相关工作

QOPTLib的发布催生了一系列围绕量子组合优化的衍生研究。在算法层面，研究者基于该数据集开发了新型混合量子经典启发式算法，如量子退火与禁忌搜索结合的混合求解器；在问题扩展方面，学者们受其启发构建了适用于作业车间调度、金融投资组合优化等领域的量子基准测试集。数据集采用的TSPLib、CVRPLib及GSet兼容格式，也促进了现有经典优化库与量子计算框架的集成，推动了Qiskit、DWAVE等平台的功能完善。这些衍生工作不仅丰富了量子优化方法的方法论体系，更通过标准化比较推动了整个领域向更严谨、更实用的方向发展。

数据集最近研究

最新研究方向

在量子计算与组合优化交叉领域，QOPTLib数据集正成为评估量子求解器性能的关键基准。随着量子硬件进入嘈杂中等规模量子（NISQ）时代，研究者致力于开发混合量子-经典算法以突破当前量子处理单元（QPU）的算力限制。前沿研究聚焦于利用该数据集测试量子退火与量子近似优化算法（QAOA）在旅行商问题、车辆路径问题等经典组合优化任务中的表现，同时探索如何通过问题重构与参数调优提升求解精度与可扩展性。这一进展不仅推动了量子优化在物流、能源等实际场景的应用，也为标准化评估体系的建立提供了重要支撑，加速了量子计算从理论向实用化迈进。

相关研究论文

• QOPTLib: a Quantum Computing Oriented Benchmark for Combinatorial Optimization Problems

  巴斯克研究和科技联盟 · 2024年