Computación cuántica para la optimización de rutas de flotas de vehículos

Abstract

Este trabajo aborda la optimización de rutas de flotas de vehículos eléctricos mediante computación cuántica, con énfasis en la reducción de tiempos de cómputo. Los enfoques clásicos, como algoritmos heurísticos y modelos de programación lineal, presentan problemas de escalabilidad debido al crecimiento exponencial del espacio de soluciones, lo que dificulta la toma de decisiones en tiempo real. En este artículo se propone un proceso de optimización haciendo uso de técnicas de Quantum Approximate Optimization Algorithm (QAOA) y formulaciones en Quadratic Unconstrained Binary Optimization (QUBO) o Higher-Order Binary Optimization (HOBO) para modelar restricciones de autonomía, recarga y tiempos de entrega. A partir de este trabajo, se llevará a cabo la implementación mediante la librería Pennylane, haciendo uso de algoritmos variacionales cuánticos optimizados con técnicas híbridas cuántico-clásicas. Este enfoque permite explorar múltiples soluciones en paralelo, reduciendo significativamente los tiempos de ejecución y cómputo en comparación con métodos tradicionales. Se espera que la solución propuesta facilite la planificación eficiente de rutas en sistemas de transporte a gran escala.