[发明专利]数据处理方法、装置、设备和存储介质

说明书

本申请提供一种数据处理方法、装置、设备和存储介质。该方法中，响应于离散型优化指令，获取待处理对象对应的量子比特，并采用凸优化算法，确定目标函数的连续最优解，之后将量子比特输入至参数量子线路进行多次测量，得到多次测量对应的多个测量结果，参数量子线路是基于连续最优解构建的，然后基于多个测量结果的均值和参数量子线路的当前参数，采用变分量子本征求解器生成参数量子线路的目标参数，最后在目标参数与当前参数的欧式距离小于预设值时，输出用户面向待处理对象的目标持有状态。该技术方案中从确定出参数量子线路的最优参数出发，从而实现在求解马科维兹方差均值模型时进行快速离散型优化的目的。

技术领域

本申请涉及计算机技术领域，尤其涉及一种数据处理方法、装置、设备和存储介质。

背景技术

投资组合优化可以描述为如下问题：一个投资者将一笔给定的资金进行投资，在初期用来购买一些证券，然后在末期卖出。即投资者需要在众多证券中选择哪些证券进行购买，并决定分配在这些证券上资金的份额。投资者有两个决策目标：使收益率最高，使风险最低。该问题可以被建模成马科维兹方差均值模型。

目前，通过现有经典的拉格朗日乘子法求解马科维兹方差均值模型时，只能解决连续型优化问题，不适用于离散型优化问题。而现有暴力破解(Brute-Force，BF)算法虽可以解决离散问题，但时间复杂度巨大，当样本量足够大时，消耗的时间以指数增加。

因此，如何在求解马科维兹方差均值模型时进行快速离散型优化，成为亟待解决的技术问题。

发明内容

本申请实施例提供一种数据处理方法、装置、设备和存储介质，用以求解马科维兹方差均值模型时进行快速离散型优化的问题。

第一方面，本申请实施例提供一种数据处理方法，包括：

响应于离散型优化指令，获取待处理对象对应的量子比特，所述量子比特用于说明用户面向所述待处理对象的持有状态；

采用凸优化算法，确定目标函数的连续最优解，所述目标函数为根据离散型优化问题构建的离散马科维茨均值方差模型中的目标函数；

将所述量子比特输入至参数量子线路进行多次测量，得到所述多次测量对应的多个测量结果，所述参数量子线路是基于所述连续最优解构建的；

基于所述多个测量结果的均值和所述参数量子线路的当前参数，采用变分量子本征求解器生成所述参数量子线路的目标参数；

若所述目标参数与所述当前参数的欧式距离小于预设值，则输出所述用户面向所述待处理对象的目标持有状态，所述目标持有状态是基于预设的量子态与持有状态的映射关系，根据所述目标参数对应的测量结果确定的。

在第一方面一种可能的设计中，所述离散马科维茨均值方差模型还包括约束条件，所述参数量子线路是通过以下方式构建的：

根据所述约束条件，确定哈密顿量；

基于所述连续最优解、所述哈密顿量和初始化参数，构建所述参数量子线路，所述参数量子线路包括初始化线路、相位分离线路和混合线路，其中，所述相位分离线路和所述混合线路的个数为至少一个。

在第一方面另一种可能的实现中，所述基于所述连续最优解、所述哈密顿量和初始化参数，构建所述参数量子线路，包括：

根据所述量子比特，确定所述待处理对象对应的第一个量子比特的先验概率和门角度，以及第二个量子比特位的先验概率和门角度；

根据所述第一个量子比特的先验概率和门角度，以及所述第二个量子比特位的先验概率和门角度，构建所述初始化线路；

根据所述哈密顿量和所述初始参数，构建所述相位分离线路；

根据所述第一个量子比特的先验概率和所述第二个量子比特的先验概率以及所述初始参数，构建所述混合线路；