当前位置: 首页 > news >正文

2023亚太地区五岳杯量子计算挑战赛

计算电源网 (CPN)布局优化

1. 介绍

计算能力网络 (CPN)是一种基于业务需求分配和调度计算资源的新型信息基础设施,计算资源通常由终端用户、边缘服务器和云服务器组成。该网络旨在满足各种计算任务的需求。根据计算需求的空间分布战略性地分配计算资源有助于减少延迟、最大限度地降低成本并提高整体网络效率和用户体验。

将运筹学、研究和优化技术用于信息基础设施的选址和布局,有助于从全球优化的角度进行更科学的决策过程。这种方法有助于提高决策效率和规划效力。随着计算挑战规模的增长,精确求解组合优优化问题的计算复杂度呈指数级增长。现有的解决技术往往很难在合理的时间范围内完成这些解决方案。此外,随着传统计算能力接近摩尔定律所定义的极限,量子计算作为一种很有前途的技术出现,突破了传统计算机的计算瓶颈。相千伊辛机(CIM)作为一种专门的量子计算器件,为有效解决各行各业的操作优化问题引入了一个新的视角,由于其在解决组合优化问题方面的优异性能而受到了广泛的关注。

QUBO (Quadratic Unconstrained Binary Optimization,二次无约束二进制优化)模型与lsing模型有着密切的联系,是量子计算中的一类核心问题,可以用相干伊辛机 (CIM) 来求解。QUBO模型公式化为最小x“Qx,x€ {0,1”,其中Q表示nxn矩阵

。本次竞赛以优化计算网络基础设施布局为主要内容,采用QUBO形式对问题进行建模,并使用开物SDK实现解决方案。Kaiwu SDK是一个软件开发工具包,用于解决

QUBO模型,使用

相干伊辛机(CIM)您可以通过访问此链接访问开物SDK

2. 问题描述

本次竞赛旨在解决特定区域内计算网络基础设施布局的优化问题

。该区域被划分成几个相邻的正方形网格,计算需求分布数据提供了每个网格内的汇总计算需求。数据中的坐标表示每个网格的中心坐标。为了简化问题,每个网格内的计算需求点被合并到网格的中心点(即,将每个网格视为对应于一个单一的需求点)。

网格内的计算需求是由用户的设备产生的,这些设备是连接到网络的终端,如传感器、智能手机、工业机器人等。计算网络中的计算需求由边缘服务器和云服务器来满足。边缘服务器位于网络的"边缘",通常靠近终端用户或设备。它们的作用是处理更接近用户的数据,从而提高响应速度和效率。边缘服务器距离用户更近,可以更快速地处理请求,从而减轻核心云基础架构的负担,提高整体运营效率。另一方面,云服务器位于远离用户的数据中心,拥有强大的计算和存储能力。当边缘服务器的容量不足时,云服务器可以作为辅助资源。边缘服务器和云服务器之间的协同交互,优化了整个系统的性能和可靠性。

相关文章:

  • Vue在Computed计算属性下,获取Promise then的返回值无效为空
  • 限流、熔断、降级、线程池隔离
  • 【数电笔记】11-最小项(逻辑函数的表示方法及其转换)
  • [Electron] 将应用打包成供Ubuntu、Debian平台下安装的deb包
  • 一篇文章带你详细了解C++智能指针
  • 2023年第十二届数学建模国际赛小美赛C题雪崩防范求解分析
  • Mysql安全之基础合规配置
  • 服务器数据恢复—服务器重装系统导致逻辑卷发生改变的数据恢复案例
  • 二:C语言-数据类型和变量
  • 深入了解UUID:生成、应用与优势
  • 【译】DispatcherServlet
  • 钉钉提交审批意见,并上传附件接口集成
  • 前端入门(四)Ajax、Promise异步、Axios通信、vue-router路由、组件库
  • 【Openstack Train安装】四、MariaDB/RabbitMQ 安装
  • 利用python编写后端程序 通用代码详解 项目实现
  • 《用数据讲故事》作者Cole N. Knaflic:消除一切无效的图表
  • DOM的那些事
  • exif信息对照
  • Fastjson的基本使用方法大全
  • httpie使用详解
  • Javascripit类型转换比较那点事儿,双等号(==)
  • JavaScript-Array类型
  • Twitter赢在开放,三年创造奇迹
  • 初识 webpack
  • 动态魔术使用DBMS_SQL
  • 翻译--Thinking in React
  • 关键词挖掘技术哪家强(一)基于node.js技术开发一个关键字查询工具
  • 缓存与缓冲
  • 机器学习学习笔记一
  • 记录一下第一次使用npm
  • 删除表内多余的重复数据
  • 使用agvtool更改app version/build
  • 通过几道题目学习二叉搜索树
  • 微服务入门【系列视频课程】
  • 走向全栈之MongoDB的使用
  • 湖北分布式智能数据采集方法有哪些?
  • ​Base64转换成图片,android studio build乱码,找不到okio.ByteString接腾讯人脸识别
  • #define用法
  • #stm32整理(一)flash读写
  • #我与Java虚拟机的故事#连载17:我的Java技术水平有了一个本质的提升
  • (11)MATLAB PCA+SVM 人脸识别
  • (三)Honghu Cloud云架构一定时调度平台
  • (四)模仿学习-完成后台管理页面查询
  • (一)认识微服务
  • (原創) 如何解决make kernel时『clock skew detected』的warning? (OS) (Linux)
  • (转载)深入super,看Python如何解决钻石继承难题
  • ***原理与防范
  • .Net Remoting常用部署结构
  • .NETCORE 开发登录接口MFA谷歌多因子身份验证
  • ??myeclipse+tomcat
  • @Transactional注解下,循环取序列的值,但得到的值都相同的问题
  • @value 静态变量_Python彻底搞懂:变量、对象、赋值、引用、拷贝
  • [ 常用工具篇 ] AntSword 蚁剑安装及使用详解
  • [ACL2022] Text Smoothing: 一种在文本分类任务上的数据增强方法
  • [Android Pro] AndroidX重构和映射