量子云任务卸载的成本优化：基于量子启发粒子群算法的创新解决方案

本文提出量子启发粒子群优化算法（QPSO），解决量子云计算（QCC）中任务卸载（QTO）的NP完全难题。通过整合任务紧迫性、能耗、延迟及负载均衡，设计量子粒子编码方案和线性哈希解码，显著提升资源分配效率。实验验证QPSO在成本模型和响应速度上优于传统算法（GA/PSO/DRL），为工业物联网（IIoT）和智能制造提供新范式。

　　

Highlight

量子启发粒子群优化（QPSO）通过融合量子计算（QC）原理（如量子比特和旋转门），显著增强经典PSO的探索-开发能力。图4展示了QPSO的工作流程，其核心阶段包括：

Simulation Scenario

实验基于Windows 11系统（12^th Gen Intel? Core? i5-1235U CPU）运行，采用Python 3.9和MATLAB在线编程。通过对比GA、PSO、引力搜索算法（GSA）和差分进化（DE），验证QPSO在量子任务卸载（QTO）模型中的优越性。

Conclusion

本研究提出的QTO模型可广泛应用于工业物联网（IIoT）、智能制造及军事领域，其成本模型较现有方案效率提升显著。QPSO在延迟、能耗和负载均衡指标上全面超越传统算法。

CRediT authorship contribution statement

Santanu Ghosh：负责核心算法设计与实验验证；Pratyay Kuila：指导研究方向并参与方法论构建。

Declaration of competing interest

作者声明无潜在利益冲突。