qpanda-qubo · diff
git:20260818.4e1d05e to git:20260824.e3885a6
20 added, 13 removed. Audit A to A.
---
name: qpanda-qubo
- description: 使用 OpenQuantum 的 QPanda QUBO 本地 MCP 求解小规模二次无约束二值优化（QUBO）问题，并用经典暴力遍历作为独立参考。用于组合优化/金融建模中的 QUBO 求解、QAOA 变分近似与经典最优解比较；调用上游 pyqpanda_alg 的 QUBO 算法，只在本地 CPU 模拟器运行，不连接本源量子云、不提交真实硬件任务，也不替代独立科学 Validator。
+ description: 使用 OpenQuantum 的 QPanda QUBO 本地 MCP 把命名二值目标和线性等式约束编译成 QUBO，或直接求解小规模二次无约束二值优化问题，并用经典暴力枚举复核编译和最优值。用于组合优化/金融建模中的 QUBO 建模、QAOA 变分近似与经典最优解比较；只在本地 CPU 模拟器运行，不连接本源量子云、不提交真实硬件任务，也不替代最终科学 Validator。
---
# QPanda QUBO Workbench
## 工作边界
这个 Skill 负责组织 QUBO 求解工作流，真正的计算由独立注册的 `qpanda_qubo` MCP 完成，
底层调用本源官方 `pyqpanda_alg` 的 QUBO 模块（`QuadraticBinary` / `QUBO_QAOA`）。当前只开放
本地、无凭据的求解；首次调用可能由 `uv` 构建固定的 Python 环境（`pyqpanda3` 是原生 wheel）：
- 1–5 个二值变量；
+ - 可以用变量名、minimize/maximize 目标和最多 4 个线性等式约束建模；每个约束必须显式给出 penalty；
- QUBO 以数值系数给出：`quadratic`（方阵）、可选 `linear`、可选 `constant`；
- `method=traversal` 始终返回经典暴力遍历的确定性最优解；
- `method=qaoa` 额外运行本地 QAOA（`layer` 1–6），返回比特串概率分布。
- 当前不开放本源量子云、Token、真机任务提交、任意 Python、sympy 表达式字符串、文件路径或
- 数据集加载。
+ 当前不开放不等式自动松弛、penalty 自动选择、本源量子云、Token、真机任务提交、任意 Python、
+ sympy 表达式字符串、文件路径或数据集加载。
## 工作流
1. 先调用 `inspect_qpanda_qubo_runtime`，确认 `pyqpanda_alg` 版本和本地能力可用。
2. 若工具不存在，告诉用户在“设置 → 量子组件 → MCP 组件”启用 **QPanda QUBO**，重启
OpenQuantum 后再试；不要改用 Bash 绕过设置。
- 3. 把优化问题整理成 QUBO 数值形式：目标 `x^T Q x + b·x + c`（x 为二值向量）。`quadratic` 是
- `Q`（方阵），`linear` 是 `b`，`constant` 是 `c`。
- 4. 先用 `method=traversal` 拿到确定性最优解；需要量子近似时再用 `method=qaoa` 并指定 `layer`。
- 5. 比较 QAOA 概率分布的最高比特串与经典最优解时，注意比特序可能不同，按目标函数值判断而不是
+ 3. 用户给的是业务目标和等式约束时，优先调用 `model_and_solve_qpanda_qubo`。检查
+ `constraints.feasible` 和 `penalty.sufficient`；后者失败表示 penalty 太弱，不能把 QUBO 最优解写成
+ 原约束问题的最优解。
+ 4. 用户已经给出 QUBO 数值时，调用 `solve_qpanda_qubo`：目标是 `x^T Q x + b·x + c`，
+ `quadratic` 是 `Q`，`linear` 是 `b`，`constant` 是 `c`。
+ 5. 先用 `method=traversal` 拿到确定性最优解；需要量子近似时再用 `method=qaoa` 并指定 `layer`。
+ 6. 比较 QAOA 概率分布的最高比特串与经典最优解时，注意比特序可能不同，按目标函数值判断而不是
直接按比特位比较。
- 6. 输出时区分：用户输入、上游工具事实、工程一致性检查、尚未完成的科学验收。
+ 7. 输出时区分：用户模型、编译后的 QUBO、上游工具事实、枚举 observations、尚未完成的来源链验收。
## 与其他能力的分工
- 电路层面的构建、转译与文档查询用 `qiskit-circuit-workbench` 或 `tyxonq-workbench`。
- 严格限定的二量子位基态 VQE 与独立验收用 `quantum-ground-state`。
- 真机执行（悟空 QPU）用默认关闭的 `qpanda_runtime` MCP；本地 QUBO 求解不提交任何云任务。
## 解释规则
- MCP 成功只代表 `pyqpanda_alg` 本地计算完成，不代表优化结论通过科学验收。
- `classical` 是经典暴力遍历的确定性参考；`checks.objectiveConsistencyError` 只是对目标函数取值
做的自洽检查，不是独立 Validator。
+ - 建模工具会枚举全部二值赋值，核对“原目标 + penalty 残差平方”等于编译后 QUBO，并独立比较
+ pyqpanda_alg 的经典最小值；这些是 `observations_available`，不自动物化最终 Acceptance。
+ - `penalty.sufficient=fail` 是模型事实，不是运行错误：提高 penalty 或重新建模后再比较。
- QAOA 结果是变分采样近似，含随机性；不要把一次分布解释为确定性最优。
- MCP 不可用或返回错误时保留原始错误语义，不编造最优解、分布或版本。
## 输出格式
保持简洁并包含：
- 1. QUBO 规模（变量数、key/result 量子位）与系数摘要；
- 2. 经典最优解（assignment 与最小值）；
- 3. 若运行 QAOA：`layer`、最高概率比特串与分布要点；
- 4. `pyqpanda_alg` 版本；
- 5. `scientificValidation=not_evaluated` 及仍需独立验证的限制。
+ 1. 原模型、变量顺序与 QUBO 系数摘要；
+ 2. 可行解数量、原问题可行最优解、penalty 是否足够；
+ 3. pyqpanda_alg 经典最优值，以及与独立枚举参考的误差；
+ 4. 若运行 QAOA：`layer`、最高概率比特串与分布要点；
+ 5. `pyqpanda_alg` 版本和 `scientificValidation` 边界。