Quantum computing for electromagnetic optimization

The main objective of this thesis is to develop a hybrid quantum-classical optimization algorithm that can be applied for the optimization of electromagnetic problems. This objective is motivated by the notorious presence of optimization in the development of electromagnetic devices, the emergence of quantum computing, and the academic interest of the writer in optimization as a tool to simplify the design process of complex systems in all fields of engineering. Two algorithms were developed given the name of Genetic Algorithm with Quantum Selection Operator and Binary Genetic Algorithm with Quantum Crossover Operator. These algorithms can be applied depending on the nature of the variables of the problem to be optimized. The methodology applied for testing is the statistical comparison of their behavior against a reference optimization algorithm over multiple tests, in order to evaluate their convergence speed, average result, and repeatability of the results. It was found that the designed algorithms have a better performance than the benchmark in all three evaluated categories, presenting them as a valid alternative when dealing with electromagnetic problems similar to the ones considered in this research.

L'obiettivo principale di questa tesi è sviluppare un algoritmo ibrido di ottimizzazione quantistica-classica che possa essere applicato all'ottimizzazione di problemi elettromagnetici. Questo obiettivo è motivato dalla presenza ben nota dell'ottimizzazione nello sviluppo di dispositivi elettromagnetici, dall'emergere del calcolo quantistico e dall'interesse accademico dell'autore nell'ottimizzazione come strumento per semplificare il processo di progettazione di sistemi complessi in tutti i settori dell'ingegneria. Sono stati sviluppati due algoritmi denominati Genetic Algorithm with Quantum Selection Operator e Binary Genetic Algorithm with Quantum Crossover Operator. Questi algoritmi possono essere applicati a seconda della natura delle variabili del problema da ottimizzare. La metodologia utilizzata per il test è il confronto statistico del loro comportamento rispetto a un algoritmo di ottimizzazione di riferimento in diversi test, al fine di valutare la velocità di convergenza, il risultato medio e la ripetibilità dei risultati. È stato riscontrato che gli algoritmi d'ottimizzazione presentano prestazioni migliori rispetto al benchmark nelle tre categorie valutate, presentandosi come un'alternativa valida quando si trattano problemi elettromagnetici simili a quelli considerati in questa ricerca.