जैसा कि नाम से पहले ही पता चलता है, यह सवाल इस अन्य का अनुसरण है । मुझे उत्तरों की गुणवत्ता पर प्रसन्नता हुई, लेकिन मुझे लगा कि अनुकूलन और सन्निकटन तकनीकों के बारे में अंतर्दृष्टि को जोड़ा जाए, तो यह बेहद दिलचस्प होगा, लेकिन यह विषय गिर सकता है, इसलिए यह सवाल है।
ब्लू के जवाब से:
जटिलता सिद्धांत में अंगूठे का नियम यह है कि यदि एक क्वांटम कंप्यूटर "बहुपद समय में (त्रुटि बाउंड के साथ) हल करने के मामले में" मदद कर सकता है "यदि समस्या का वर्ग यह बीक्यूपी में झूठ को हल कर सकता है लेकिन पी या बीपीपी में नहीं।
यह सन्निकटन कक्षाओं पर कैसे लागू होता है? क्या क्वांटम कंप्यूटिंग की कोई विशिष्ट टोपोलॉजिकल, संख्यात्मक, आदि संपत्ति है जिसका लाभ उठाया जा सकता है?
उदाहरण के तौर पर कि मैं क्या पूछ सकता था (लेकिन निश्चित रूप से उस तक सीमित नहीं!), क्रिस्टोफ़ाइड्स एल्गोरिथ्म ले : यह ग्राफ के विशिष्ट ज्यामितीय गुणों का शोषण करता है जो इसे (समरूपता, त्रिभुज असमानता) पर अनुकूलन करता है: विक्रेता एक व्यवहार्य दुनिया पर यात्रा करते हैं । लेकिन सेल्समैन के पास बहुत बड़ा द्रव्यमान होता है, और हम एक ही समय में उनकी स्थिति और गति को बड़ी सटीकता के साथ जान सकते हैं। हो सकता है कि एक क्वांटम मॉडल अन्य प्रकार के मेट्रिक्स के लिए और अधिक आराम प्रतिबंधों के साथ काम कर सकता है, जैसे कि केएल डाइवर्जेंस ? उस मामले में इसे हल करना अभी भी एनपी पूरा होगा, लेकिन अनुकूलन एक व्यापक टोपोलॉजी के लिए लागू होगा। यह उदाहरण शायद एक लंबा शॉट है, लेकिन मुझे आशा है कि आपको मेरा मतलब है। मैं वास्तव में नहीं जानता कि क्या यह बिल्कुल समझ में आता है, लेकिन जवाब उस मामले में भी संबोधित कर सकता है :)
सम्बंधित: