通过使用QUBO求解器学习充电约束，实现电动汽车行驶路线和充电位置的联合优化

《Scientific Reports》：Joint optimization of electric vehicle routes and charging locations through learning charge constraints using QUBO solvers

　　

摘要

近年来，电动汽车（EVs）的路径优化问题受到了广泛关注，而充电站的布局是电动汽车发展中的一个重要议题。因此，我们重点研究了充电站位置与电动汽车路径的联合优化问题。当路径优化问题被表述为二次无约束二进制优化（QUBO）形式时，量子退火器等专用求解器有望以高效率和准确性提供最优解。然而，电池容量限制使得问题难以在不引入大量辅助量子比特的情况下转化为QUBO形式。在这里，我们提出了一种基于贝叶斯推断和QUBO求解器的顺序优化方法，该方法能够自动学习电池容量限制。通过这种方法，我们能够在较少的搜索次数内优化充电站的数量和位置以及电动汽车的行驶路径。将该方法应用于一个包含20个充电站的路径优化问题时，我们观察到在不同运行次数下都能得到符合电池容量要求的稳定解，证明了所提出框架的稳定性。小规模验证实验通过穷举法表明，该框架能够可靠地找到接近全局最优的可行配置；同时，运行时间和QUBO规模分析进一步揭示了其计算特性。