文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

文档反馈

mindquantum.algorithm.nisq.MaxCutAnsatz

class mindquantum.algorithm.nisq.MaxCutAnsatz(graph, depth=1)[源代码]

MaxCut ansatz。了解更多详细信息，请访问 A Quantum Approximate Optimization Algorithm。

U (β, γ) = e^{- β_{p} H_{b}} e^{- γ_{p} H_{c}} \dots e^{- β_{0} H_{b}} e^{- γ_{0} H_{c}} H^{\otimes n}

H_{b} = \sum_{i \in n} X_{i}, H_{c} = \sum_{(i, j) \in C} Z_{i} Z_{j}

这里： $n$ 是节点的集合， $C$ 是图的边的集合。

参数：

graph (list[tuple[int]]) - 图结构。图的每个元素都是由两个节点构造的边。例如，[(0, 1), (1,2)]表示一个三节点的图，且其中一条边连接节点0和节点1，另一条边连接节点1和节点2。
depth (int) - MaxCut ansatz的深度。默认值： 1。

样例：

>>> import numpy as np
>>> from mindquantum.algorithm.nisq import MaxCutAnsatz
>>> graph = [(0, 1), (1, 2), (0, 2)]
>>> maxcut = MaxCutAnsatz(graph, 1)
>>> maxcut.circuit
      ┏━━━┓ ┏━━━━━━━━━━━━━┓                 ┏━━━━━━━━━━━━━┓ ┏━━━━━━━━━━━━━┓
q0: ──┨ H ┠─┨             ┠─────────────────●             ┠─┨ RX(alpha_0) ┠───
      ┗━━━┛ ┃             ┃                 ┃             ┃ ┗━━━━━━━━━━━━━┛
      ┏━━━┓ ┃ Rzz(beta_0) ┃ ┏━━━━━━━━━━━━━┓ ┃             ┃ ┏━━━━━━━━━━━━━┓
q1: ──┨ H ┠─┨             ┠─┨             ┠─┨ Rzz(beta_0) ┠─┨ RX(alpha_0) ┠───
      ┗━━━┛ ┗━━━━━━━━━━━━━┛ ┃             ┃ ┃             ┃ ┗━━━━━━━━━━━━━┛
      ┏━━━┓                 ┃ Rzz(beta_0) ┃ ┃             ┃ ┏━━━━━━━━━━━━━┓
q2: ──┨ H ┠─────────────────┨             ┠─●             ┠─┨ RX(alpha_0) ┠───
      ┗━━━┛                 ┗━━━━━━━━━━━━━┛ ┗━━━━━━━━━━━━━┛ ┗━━━━━━━━━━━━━┛
>>>
>>> print(maxcut.hamiltonian)
3/2 [] +
-1/2 [Z0 Z1] +
-1/2 [Z0 Z2] +
-1/2 [Z1 Z2]
>>> partitions = maxcut.get_partition(5, np.array([4, 1]))
>>> for i in partitions:
...     print(f'partition: left: {i[0]}, right: {i[1]}, cut value: {maxcut.get_cut_value(i)}')
partition: left: [2], right: [0, 1], cut value: 2
partition: left: [0, 1], right: [2], cut value: 2
partition: left: [0], right: [1, 2], cut value: 2
partition: left: [0, 1, 2], right: [], cut value: 0
partition: left: [], right: [0, 1, 2], cut value: 0

get_cut_value(partition)[源代码]

获取切割方案的切割边数。切割方案是一个list数组，该list数组由两个list数组构成，每一个list数组包含切割的节点。

参数：

partition (list) - 图形切割方案。

返回：

int，给定切割方案下的切割值。

get_partition(max_n, weight)[源代码]

获取MaxCut问题的切割方案。

参数：

max_n (int) - 需要多少个切割方案。
weight (Union[ParameterResolver, dict, numpy.ndarray, list, numbers.Number]) - MaxCut ansatz的参数值。