3. 量子计算基础回顾
在进入量子路径规划的具体建模之前，需要先把量子计算中最基本的几个概念重新梳理一遍，并且始终围绕“这些概念在路径规划里到底怎么用”来理解。路径规划本质上是在一张图上寻找满足约束的最优或可行路径，经典算法依靠逐点搜索或动态规划推进；量子算法则试图利用叠加并行探索多条路径、利用纠缠表达路径之间的关联、利用测量把概率幅坍缩成可读的解。理解这五个基础对象，是后续把路径问题映射成量子模型的前提。
量子比特：路径选择的最小信息单元
经典比特只能取 0 或 1，而量子比特（qubit）的状态可以写成两个基态的线性组合：
|ψ⟩ = α|0⟩ + β|1⟩, |α|² + |β|² = 1其中 α、β 是复数概率幅，|α|² 和 |β|² 分别表示测量得到 0 和 1 的概率。在路径规划语境下，一个量子比特最自然的解释是“某条边是否被选中”或“某个方向是否被走”。例如在一个四邻域栅格中，可以用两个量子比特编码上下左右四个方向，也可以用一条边对应一个量子比特，取 |1⟩ 表示该边在路径中。需要强调的是，概率幅是复数，带有相位，这一点在后续量子门干涉中起决定作用，不能简单把它当成概率来理解。
叠加：让多条候选路径同时存在
叠加是量子并行性的来源。对 n 个量子比特施加 Hadamard 门，可以得到 2ⁿ 个基态的等幅叠加：
H|0⟩ = (|0⟩ + |1⟩)/√2
H^⊗n|0⟩^⊗n = (1/√2ⁿ) Σ_x |x⟩如果把每个基态 |x⟩ 看作一条候选路径的编码，那么一次门操作就让 2ⁿ 条路径同时“在场”。但必须清醒地认识到：叠加并不等于可以同时读出所有路径的答案。测量只能得到一个结果，量子算法的价值在于通过精心设计的门序列，让目标路径的概率幅相长、非目标路径的概率幅相消，从而在测量时以较大概率得到想要的解。这正是 Grover 搜索、量子近似优化（QAOA）等路径规划相关算法的核心思想。
纠缠：表达路径之间的强关联
纠缠描述的是多量子比特之间无法分解为各自独立状态的关联。以 Bell 态为例：
|Φ⁺⟩ = (|00⟩ + |11⟩)/√2测量第一个比特得到 0，第二个必然为 0；得到 1，第二个必然为 1。在路径规划中，纠缠可以用来表达约束关系，例如“进入节点 A 的边被选中，则离开节点 A 的边也必须被选中”这类流守恒约束，或者“两条相邻边不能同时被选”的冲突约束。用纠缠态编码约束，可以在量子态层面直接排除大量不可行组合，减少后续搜索空间。这也是量子路径规划建模区别于经典建模的关键手段之一。
测量：从量子态到可读路径
测量是量子计算与经典世界交互的唯一出口。对状态 |ψ⟩ = α|0⟩ + β|1⟩ 在计算基下测量，得到 0 的概率为 |α|²，得到 1 的概率为 |β|²，测量后状态坍缩到对应基态。在路径规划中，一次完整的测量通常是对全部编码比特做计算基测量，得到一个比特串，再按编码规则解码成一条路径。由于测量具有随机性，实际做法是多次运行“制备—演化—测量”的整个过程（称为 shots），统计各比特串的出现频率，选取频率最高且满足约束的解，或用期望值评估解的质量。示例性地，若某次实验设置 1024 次 shots，目标比特串出现约 600 次，则其经验概率约为 0.59，可作为判断算法是否有效的参考指标（此处数值为教学示例，非实测结果）。
量子门：构造路径搜索的演化算子
量子门是对量子态进行的酉变换，是算法的“指令集”。与路径规划关系最密切的几类门如下：
- 单比特门：Hadamard 门 H 制造叠加；Pauli-X 门相当于比特翻转；相位门 S、T 和旋转门 Rx、Ry、Rz 用于调节概率幅的相位，是干涉的关键。
- 受控门：CNOT、CZ 用于产生纠缠，把控制比特的状态“传递”到目标比特，是编码约束和构造多比特关联的基本工具。
- 多比特门：Toffoli（CCNOT）可实现条件翻转，常用于把约束满足情况写入辅助比特，供后续标记或相位旋转使用。
把这些门组合起来，就形成一次演化。以 QAOA 为例，其演化算子由问题哈密顿量对应的相位分离层和混合层交替构成，前者把路径代价编码进相位，后者在解空间内进行混合，层数 p 越大，逼近最优解的能力越强，但电路深度也越大。下面的信号链图展示了从路径问题到测量解码的完整数据流，以及各基础概念在其中的位置。
面向路径规划的计算范式要点
把上述概念串起来，可以得到一个清晰的判断：量子路径规划不是“用量子比特存一张图然后瞬间搜完”，而是“用叠加铺开候选空间、用纠缠压缩约束、用量子门制造干涉、用测量采样出解”。因此在实际建模时，需要依次回答几个问题：路径如何编码成比特串？代价函数如何转成相位？约束如何用纠缠或辅助比特表达？演化层数 p 与 shots 数如何权衡精度与开销？
以一个 3×3 栅格、从左上角到右下角的最短路径为例，若用 12 条边各对应一个量子比特，则合法路径要求每个中间节点的入边与出边选中数相等，这组约束可以通过受控门把违反约束的组合的相位打乱，使其在测量中难以出现。示例性地，设置 p=2、shots=2048 时，若最短路径对应的比特串出现频率明显高于其他合法路径，则可认为演化有效；若频率分布接近均匀，则说明层数不足或参数未优化，需要增大 p 或调整 γ、β（以上为教学示例设定，非实测数据）。这种“编码—演化—测量—评估—调参”的闭环，正是后续各章展开具体算法时的共同骨架。