Warm-Started QAOA with Aligned Mixers Converges Slowly Near the Poles of the Bloch Sphere
本文针对热启动QAOA中经典解映射到布洛赫球极点附近时收敛缓慢的问题，利用对齐混合器框架给出了实现期望近似比变化所需电路深度的理论下界，并证明其大致与$Δλ/θ$成比例。
2024-09-16 quant-ph
Systematic study on the dependence of the warm-start quantum approximate optimization algorithm on approximate solutions
本文系统研究 WS-QAOA 性能与经典近似解精度之间的关系，通过 MAX-CUT 数值实验表明更接近精确解的初始解可提升浅电路效果。
2022-09-07 quant-ph
Solving General QUBOs with Warm-Start QAOA via a Reduction to Max-Cut
本文研究如何将基于最大割SDP松弛的QAOA热启动方法通过标准归约推广到一般QUBO问题，并与直接QUBO松弛方法进行实验比较，发现最佳热启动策略取决于具体问题类型。
2025-09-22 cs.DM math.OC quant-ph
Optimizing QAOA: Success Probability and Runtime Dependence on Circuit Depth
量子近似优化算法（QAOA）是由Farhi等人首先提出的，由于其简单性、普适性和可证明的最优性，有望在近期得到应用。深度为p的QAOA由两个相互不可交换的哈密顿算子引起的p个交错酉变换组成。关于QAOA的性能的一个长期存在的问题是它的成功概率作为电路深度p的函数的依赖性。我们通过分析QAOA的成功概率实现状态转移在一维量子比特链使用两个量子比特XY哈密顿和单量子比特哈密顿取得了初步进展。我们提供了分析状态转移成功概率依赖于p在低和大p限制，利用独特的光谱性质的XY哈密顿量。我们支持我们的证明下，一个给定的QAOA的数值优化QAOA高达\(N\) =20量子位。我们表明，优化的QAOA可以实现著名的二次加速，Grover加速，在经典的替代品。将QAOA优化作为一个量子控制问题处理，我们还提供了电路深度如何决定QAOA算法的可控性的数值证据。
2019-05-28 quant-ph
Iterative quantum optimisation with a warm-started quantum state
University of Cambridge（剑桥大学）
本文提出基于测量结果迭代制备热启动量子态的 QAOA 增强方法，缓解单串热启动的卡住问题，并在 3-正则 MaxCut 与 DGMVP 中提升近似比和寻优扩展性。
2025-02-13 cond-mat.dis-nn cs.LG math.OC
The Lie Algebra of XY-mixer Topologies and Warm Starting QAOA for Constrained Optimization
Fujitsu Research of America, Santa Clara, CA, USA（富士通美国研究院）；University of California at Santa Cruz, CA, USA（加州大学圣克鲁兹分校）
本文研究了XY-混合拓扑的动态李代数分解，通过预训练小规模李代数提升QAOA在受约束优化问题中的收敛性和性能。
2026-02-28 quant-ph
Regularized Warm-Started Quantum Approximate Optimization and Conditions for Surpassing Classical Solvers on the Max-Cut Problem
Global Technology Applied Research, JPMorganChase（摩根大通全球技术应用研究）
本文提出正则化预热启动QAOA方法，通过常数深度量子电路和经典预热步骤，在最大割问题上超越经典求解器。
2026-03-10 quant-ph
Globally optimizing QAOA circuit depth for constrained optimization problems
我们开发了一个全局变量替换方法，减少$n$变量单项式在组合优化问题中的等价实例与单项式在更少的变量。我们将这种技术应用到$3$ -SAT中，并使用量子近似优化算法分析解决简化问题所需的最佳量子线路深度。对于基准$3$ -SAT问题，我们发现，电路深度的上界是较小的，当问题被制定为一个产品，并使用替代方法分解门比当问题被写在线性制定，这需要没有分解。
2021-08-06 quant-ph
Optimizing Ansatz Design in QAOA for Max-cut
量子近似优化算法（QAOA）主要用于求解组合优化问题的近似解。对于具有$n$顶点和$m$边的图，最大割问题的深度$p$ QAOA需要$2\cdot m \cdot p$ CNOT门。CNOT是现代量子计算机的主要误差来源之一。在本文中，我们提出了两种独立于硬件的方法来减少电路中的CNOT门的数量。首先，我们提出了一种基于输入图的边着色的方法，该方法最小化了电路的周期数（称为电路深度），并减少了多达$\lfloor \frac{n}{2} \rfloor$的CNOT门。接下来，我们描述了另一种基于输入图上的深度优先搜索（DFS）的方法，该方法减少了$n-1$ CNOT门，但适度地增加了电路的深度。我们分析得出的条件CNOT门的减少掩盖了这种增加的深度，电路的错误概率仍然降低。我们证明了所有IBM量子硬件都满足这个条件。我们用\textit{ibmq\_manhattan}噪声模型对这两种方法进行了仿真，结果表明基于DFS的方法在减少CNOT门的数量方面优于基于边缘着色的方法，从而在减少电路的错误概率方面优于传统的QAOA电路.
2021-06-28 cs.DS quant-ph
Warm-Starting QAOA with XY Mixers: A Novel Approach for Quantum-Enhanced Vehicle Routing Optimization
本文提出将热启动初始化与XY混合器ansatz相结合的QAOA方法，通过Goemans-Williamson算法构建偏置叠加态，在旅行商问题5城市实例上优于标准XY混合器QAOA和仅热启动基线。
2025-04-28 quant-ph
Strategies for running the QAOA at hundreds of qubits
本文研究在数百量子比特规模上减少QAOA计算开销的策略，证明预选树参数在标准及热启动QAOA中均能接近最优性能，无需参数优化即可在低深度下获得与GW算法相当的优质解。
2024-10-03 quant-ph
Graph neural network initialisation of quantum approximate optimisation
Indian Institute of Technology（印度理工学院）；University of Edinburgh（爱丁堡大学）；Sorbonne Université（索邦大学）
近似组合优化已经成为量子计算机最有前途的应用领域之一，特别是在短期内。在这项工作中，我们专注于量子近似优化算法（QAOA）解决最大切割问题。具体来说，我们解决两个问题的QAOA，如何初始化的算法，以及如何随后训练的参数，以找到一个最佳的解决方案。对于前者，我们提出图神经网络（GNNs）作为QAOA的热启动技术。我们证明了将GNN与QAOA合并可以单独优于这两种方法。此外，我们还演示了图神经网络如何不仅在图实例中实现热启动泛化，而且还增加了图的大小，这是其他热启动方法无法直接使用的功能。为了训练QAOA，我们测试了MaxCut问题的几个优化器，最多16个量子位，并对香草梯度下降进行了基准测试。这些包括量子感知/不可知论和基于机器学习/神经优化器。后者的例子包括强化和元学习。这些初始化和优化工具包的结合，我们演示了如何使用QAOA在端到端的微分管道的优化问题可以解决。
2022-11-15 cs.LG quant-ph
Warm Start Adaptive-Bias Quantum Approximate Optimization Algorithm
本文提出描述一类 QAOA 变体的通用模型，结合 GW 热启动与自适应偏置，在 MaxCut 上解析分析 level-1 性能，并通过多达1000量子比特模拟显示其相对经典后处理的优势。
2025-03-25 quant-ph
Ising Hamiltonians for Constrained Combinatorial Optimization Problems and the Metropolis-Hastings Warm-Starting Algorithm
本文提出约束组合优化问题到 Ising 哈密顿量的通用构造方法，并引入可证明收敛至全局最优的 Metropolis-Hastings QAOA 热启动算法，在 MWVC、MVC 等问题上验证有效性。
2023-07-18 quant-ph
Constrained Quantum Optimization via Iterative Warm-Start XY-Mixers
Aqarios GmbH（Aqarios有限公司）；LMU Munich, Department for Computer Science（慕尼黑大学计算机科学系）；Delft University of Technology（代尔夫特理工大学）
本文提出一种结合迭代暖启动与XY混合器的量子优化方法，通过维护初始状态与混合哈密顿量的对齐性，提升收敛性，并在NISQ设备上验证了其在Max-k-Cut和旅行商问题中的有效性。
2026-07-13 quant-ph
Optimizing QAOA circuit transpilation with parity twine and SWAP network encodings
Jülich Supercomputing Centre, Institute for Advanced Simulation, Forschungszentrum Jülich（于利希研究中心先进模拟研究所超级计算中心）；Institute for Quantum Computing Analytics (PGI-12), Forschungszentrum Jülich（于利希研究中心量子计算分析研究所）；Department of Mechanical Engineering, Virginia Tech（弗吉尼亚理工大学机械工程系）；Davidson School of Chemical Engineering, Purdue University（普渡大学戴维森化学工程学院）；AIDAS；RWTH Aachen University（亚琛工业大学）
本研究针对QAOA电路转译问题，提出基于模拟退火的方法优化奇偶缠绕链与SWAP网络编码，在特定连通性阈值下可显著降低电路深度和两量子比特门数量，且在实际量子设备上验证了有效性。
2026-08-12 quant-ph
Performance of the Quantum Approximate Optimization Algorithm on the Maximum Cut Problem
量子近似优化算法（QAOA）是一种很有前途的方法，用于编程一个短期的基于门的混合量子计算机，以找到很好的近似解的困难的组合问题。然而，目前很少有人知道QAOA的能力，或所需的参数优化的难度。在这里，我们研究了QAOA在MaxCut组合优化问题上的性能，使用自动微分和随机梯度下降在经典计算机上优化量子线路，使用QuantumFlow，一个用TensorFlow实现的量子线路模拟器。我们发现，我们可以摊销的训练成本，通过优化批量的问题实例，QAOA可以超过经典的多项式时间的Goemans-Williamson算法的性能与适度的电路深度，并与固定的电路深度的性能是不敏感的问题的大小。此外，MaxCut QAOA可以使用量子位交换网络在具有有限量子位连接的基于门的量子计算机上有效地实现。这些观察结果支持QAOA将成为解决近期量子计算机上有趣问题的有效方法的前景。
2018-11-20 quant-ph
Warm-starting quantum optimization
量子算法在整数规划和组合优化问题中的应用越来越受到人们的关注。这类问题的经典求解器采用松弛法，用连续变量代替二进制变量，例如高维矩阵值问题（半定规划）。在唯一博弈猜想下，这些松弛通常在多项式时间内提供经典的最佳性能比。在这里，我们讨论了如何热启动量子优化与初始状态对应的组合优化问题的松弛的解决方案，以及如何分析相关的量子算法的属性。特别是，这允许量子算法继承经典算法的性能保证。我们说明了这一点，在投资组合优化的背景下，我们的研究结果表明，热启动量子近似优化算法（QAOA）是特别有益的，在低深度。同样，递归QAOA的MAXCUT问题显示了一个系统的增加，在所获得的切割的大小与随机权重的全连通图，当Goemans-Williamson随机舍入是利用在一个温暖的开始。将相同的思想应用于其他随机化舍入方案和优化问题是很简单的。
2021-06-16 quant-ph
Evaluating Quantum Approximate Optimization Algorithm: A Case Study
量子近似优化算法（QAOA）是噪声中尺度量子（NISQ）时代最有前途的量子算法之一。量化QAOA在近期制度中的绩效至关重要。我们进行了大规模的数值研究的近似比QAOA可达到的是低到中等深度的制度。为了找到好的QAOA参数，我们执行了9.9亿个10量子位QAOA电路评估。我们发现，随着深度的增加，近似比仅略有增加，并且增益被优化变分参数的复杂性增加所抵消。我们观察到QAOA获得的近似比的高变化，包括同一类问题实例中的高变化。我们观察到，问题实例之间的近似比的差异增加的实例之间的相似性降低。我们发现，最佳QAOA参数集中的实例在我们的基准，确认了以前的研究结果为不同类别的问题。
2019-10-10 cs.DS quant-ph
Restricted Global Optimization for QAOA
针对QAOA经典参数优化困难的问题，本文证明局部优化方法在复杂代价景观中不足，并提出受限全局优化技术，在控制函数评估次数的同时显著提升QAOA在多种问题实例上的性能。
2023-09-21 quant-ph
Coqa: Blazing Fast Compiler Optimizations for QAOA
针对现有量子编译器缺乏QAOA线路专用优化方法的问题，提出Coqa方案，结合LNN拓扑与哈密顿量权重启发式映射减少SWAP门，相较通用编译器实现门数降30%、编译提速39倍。
2024-08-15 quant-ph
Optimizing Cost Hamiltonian Compilation for Max-Cut QAOA on Unweighted Graphs Using Global Controls and Qubit Bit Flips
针对囚禁离子平台上 Max-Cut QAOA 的全局控制编译，本文刻画无权图的图耦合数，证明 Union of Stars 阶最优并改进上下界，还提出更紧凑高效的 MIP 表述。
2025-08-29 math.OC quant-ph
A loop Quantum Approximate Optimization Algorithm with Hamiltonian updating
设计抗噪量子算法是在有噪中尺度量子器件上实现实际应用的必要条件。在这里，我们提出了一个量子近似优化算法~（QAOA）与一个非常浅的电路，称为循环QAOA，以避免在中间深度的噪声问题，同时仍然可以利用量子计算的力量。关键是使用浅电路QAOA的输出作为偏置来更新将解编码为基态的问题哈密顿量。通过在问题哈密顿量的更新和参数化量子线路的优化之间循环迭代，循环QAOA可以逐渐将问题哈密顿量转换为易于求解的问题哈密顿量。我们证明了循环QAOA的最大割问题和无噪声。与传统的QAOA相比，其性能会由于噪声而下降，环路QAOA的性能仍然可以随着环路数量的增加而变得更好。利用浅电路的输出作为偏置的见解可以应用于其他量子算法。
2021-09-24 quant-ph
Counterdiabaticity and the quantum approximate optimization algorithm
量子近似优化算法（QAOA）是一种近期的混合算法，旨在解决组合优化问题，如MaxCut。可以使QAOA模拟绝热时间表，并且在$p\to\infty$极限下，根据绝热定理，最终状态是精确的最大本征态。在这项工作中，QAOA和绝热性之间的连接是明确的检查制度的$p$大，但有限的。通过连接QAOA的counterdiabatic（CD）的演变，我们构建的CD-QAOA角模拟counterdiabatic时间表匹配特罗特“错误”条款近似绝热规范位抑制非绝热激发所产生的有限斜坡速度。在我们的解释中，这些“错误”术语对QAOA是有帮助的，而不是有害的。利用这种匹配将QAOA与量子绝热算法（QAA）联系起来，我们证明了近似比至少以$1-C(p)\sim 1/p^μ$收敛于1。我们发现，转移的参数之间的图形，和插值角度为$p+1$给定$p$都是自然的副产品的CD-QAOA匹配。CD-QAOA角度的优化等效于优化连续绝热时间表。最后，我们表明，使用变分绝热规范位的属性，QAOA至少是反绝热的，而不仅仅是绝热的，并且具有比有限时间绝热演化更好的性能。我们演示了三个例子：2级系统，伊辛链，和MaxCut问题的方法。
2022-01-22 quant-ph
A hybrid classical-quantum approach to highly constrained Unit Commitment problems
针对NP难的机组组合问题，提出一种混合量子-经典算法，将问题分解为QUBO和二次优化，用QAOA选机组、经典方法定出力，含旋转备用约束并采用暖启动，单层QAOA解与经典解误差在5.1%内且保持多项式时间。
2024-12-15 quant-ph
Optimizing Quantum Algorithms on Bipotent Architectures
本文在 IBM 两台量子计算机上评估 QAOA，比较双能量子架构中的优化门与用户侧脉冲级优化，证明脉冲优化通常更优，并为量子比特选择和架构改进提供指导。
2023-06-06 quant-ph
Quantum-Enhanced Optimization by Warm Starts
本文提出量子增强优化方法，利用QAOA量子采样生成热启动样本，结合参数设置、量子比特映射路由和错误缓解技术，加速Max-Cut和MIS等组合优化问题的经典启发式求解，并在量子硬件上验证了运行时间改进。
2025-08-22 quant-ph
Evaluating performance of hybrid quantum optimization algorithms for MAXCUT Clustering using IBM runtime environment
量子算法可用于执行无监督机器学习任务，如数据聚类，将数据点之间的距离映射到图优化问题（即MAXCUT），并使用混合量子经典方法通过能量最小化找到最佳解决方案。利用IBM的运行时环境，我们基准性能的“热启动”（WS）变种的量子近似优化算法（QAOA）与标准实现的QAOA和变分量子本征求解器（VQE）的非结构化聚类问题，使用真实世界的数据集的准确性和执行时间。我们的数值结果表明，使用IBM QiskitTM架构的不同优化算法在执行时间上有很大的加速，而ws-QAOA算法在分类精度上有很大的加速
2022-02-07 quant-ph
Equivariant QAOA and the Duel of the Mixers
本文针对 QAOA 混合器设计，提出与对称群 $S_d$ 等变的定制混合器 $H_M$，并在边着色和图划分实验中证明其优于传统 $B$。
2024-05-12 quant-ph
Quantum Adversarial Learning in Emulation of Monte-Carlo Methods for Max-cut Approximation: QAOA is not optimal
近期量子优势的主要候选者之一是变分量子算法类，但这些算法在优化变分参数时遇到经典困难，因为参数的数量增加。因此，重要的是要了解各种ansätze的表达能力和力量，以产生目标状态和分布。为此，我们将仿真的概念应用到变分量子退火和量子近似优化算法（QAOA），以表明QAOA优于变分退火时间表具有相同数量的参数。我们的变分量子退火计划基于一种新型的多项式参数化，可以使用相同的物理成分，以与QAOA类似的无梯度方式进行优化。为了比较ansätze类型的性能，我们开发了Monte-Carlo方法的统计概念。蒙特卡罗方法是一种计算机程序，它生成的随机变量近似于计算上难以精确计算的目标数。虽然最着名的蒙特卡罗方法是蒙特卡罗积分（例如扩散蒙特卡罗或路径积分量子蒙特卡罗），QAOA本身是一种蒙特卡罗方法，可以找到NP完全问题的良好解决方案，例如Max-cut。我们应用这些统计蒙特卡罗概念，以进一步阐明这些量子算法的理论框架。
2022-11-24 cs.CC quant-ph
SAFE ma-QAOA: Surrogate-Assisted and Fine-Tuning Enhanced Multi-Angle QAOA with Parameter Distillation
NORMA, Inc.（NORMA公司）
提出SAFE框架，结合低权重泡利传播代理预训练、参数蒸馏和精确微调，在减少量子资源的同时加速多角度QAOA收敛到高质量解。
2026-07-22 quant-ph
Feasibility and optimum recovery in warm-start quantum optimization for a drug-response model on a trapped-ion processor
BRAC University（布拉格大学）；University of Southern Queensland（昆士兰南部大学）；UNSW Sydney（新南威尔士大学悉尼分校）；West Moreton Health（西莫顿健康）；Imperial College London（伦敦帝国理工学院）；Technical University of Munich (TUM)（慕尼黑工业大学）；Cogninet AI；Pawsey Supercomputing Research Centre（Pawsey超级计算研究中心）
本研究在离子阱处理器上评估温启动QAOA对药物响应模型的优化，发现其可行性提升但最优概率有限，贪心搜索和退火更有效，Grover混合器改善最优性。
2026-09-22 cs.ET quant-ph
DAPO-QAOA: An algorithm for solving combinatorial optimization problems by dynamically constructing phase operators
针对QAOA相位算子中双量子比特门过多的问题，本文提出DAPO算法，利用前层输出和邻域搜索动态构造相位算子，在MaxCut和NAE3SAT上以66%的RZZ门用量实现了更高的近似比。
2025-02-06 quant-ph
Scaling QAOA: transferring optimal adiabatic schedules from small-scale to large-scale variational circuits
Aix-Marseille Université, Université de Toulon（艾克斯-马赛大学、土伦大学）；ENSTA, Institut Polytechnique de Paris（巴黎理工学院）；Conservatoire National des Arts et Métiers（国立工艺博物馆）；Université Paris Cité（巴黎西岱大学）
本文提出了一种基于谱间隙信息的调度学习框架，通过将小规模问题的最优调度转移到大规模系统，实现了QAOA算法的参数高效扩展。
2026-02-16 quant-ph
A Non-Variational Quantum Approach to the Job Shop Scheduling Problem
本文提出了一种非变分量子算法Iterative-QAOA，用于解决作业车间调度问题，通过非变分浅层电路和迭代预热启动过程，在量子硬件上实现了对大规模问题的有效求解。
2025-12-09 cs.ET quant-ph
Grover-QAOA for 3-SAT: Quadratic Speedup, Fair-Sampling, and Parameter Clustering
本研究通过经典模拟和量子硬件实验，证明 Grover-QAOA 在求解 3-SAT 所有解时相对随机采样具有二次加速，并优于传统 QAOA；单角度对约束和参数聚类降低了角度优化开销。
2024-02-04 physics.comp-ph quant-ph
Towards a Linear-Ramp QAOA protocol: Evidence of a scaling advantage in solving some combinatorial optimization problems
本文提出线性斜坡QAOA（LR-QAOA）协议，通过固定参数调度高效求解组合优化问题，并在模拟和量子硬件上展示了优于经典算法的标度优势。
2025-08-04 math.OC quant-ph
Quantum Approximate Optimization Algorithm with Adaptive Bias Fields
量子近似优化算法（QAOA）将一个简单的多量子比特波函数转换为一个编码的解决方案，一个困难的经典优化问题。它通过优化调度来实现这一点，根据该调度，两个幺正算子交替地应用于量子比特。在本文中，QAOA的修改更新运营商本身，包括当地的领域，使用信息从测量波函数在一个迭代步骤结束时，以改善运营商在以后的步骤。最大割问题的数值模拟表明，对于固定的精度，该方法大大减少了QAOA的运行时间。这种改善似乎随着问题的大小而增加。我们的方法基本上需要相同数量的量子门每个优化步骤的标准QAOA，没有额外的测量。这种改进的算法提高了某些优化问题的量子优势的前景。
2022-06-28 quant-ph
Quantum King-Ring Domination in Chess: A QAOA Approach
LMU Munich Department of Computer Science Chair of Mobile and Distributed Systems（慕尼黑大学计算机科学系移动与分布式系统研究所）
本文提出量子国王-环支配基准，通过结构化实例评估QAOA性能，发现约束保持混合器收敛更快，且优于经典启发式方法。
2026-01-01 cs.LG quant-ph
Quantum Natural Gradient optimizer on noisy platforms: QAOA as a case study
本研究以QAOA寻找TFIM基态为例，在里德堡原子和超导电路平台上对比QNG与普通梯度下降优化器在有无噪声下的性能，发现QNG收敛更快、鲁棒性更强且能避免局部最小值，为NISQ设备变分算法优化提供有效工具。
2025-08-25 quant-ph
A Quantum Computing Approach for Multi-robot Coverage Path Planning
针对NP难的多机器人覆盖路径规划问题，提出可与量子启发式算法QAOA集成的二维网格路径探索方法，含目标函数设计、理论证明等五项贡献，为量子计算优化多机器人路径规划奠基。
2024-07-11 cs.ET cs.RO quant-ph
Cross-Problem Parameter Transfer in Quantum Approximate Optimization Algorithm: A Machine Learning Approach
Information Sciences University of Delaware Newark, Delaware（信息科学大学德雷克塞尔大学新阿姆斯特朗分校）；Engineering University of Delaware Newark, Delaware（工程大学德雷克塞尔大学新阿姆斯特朗分校）；Astronomy University of Delaware Newark, Delaware（天文学大学德雷克塞尔大学新阿姆斯特朗分校）
本文研究将MaxCut问题预训练的QAOA参数迁移到最大独立集问题，通过机器学习模型筛选供体参数，显著减少优化迭代次数并保持近似比。
2025-07-16 cs.LG quant-ph
Iterative Interpolation Schedules for Quantum Approximate Optimization Algorithm
针对QAOA算法在深层电路下参数优化困难的问题，提出迭代插值方法，利用正交函数基表示最优参数调度，以更少的优化步骤为大规模电路构建高质量调度，在多个问题上超越现有方法并实现超千层深度。
2026-05-04 cs.ET quant-ph
Investigating layer-selective transfer learning of QAOA parameters for Max-Cut problem
Department of Engineering, University Pompeu Fabra（工程系，庞贝法布拉大学）；Department of Physics and Astronomy, University of Florence（物理与天文学系，佛罗伦萨大学）；QUANTIC, Barcelona Supercomputing Center（QUANTIC，巴塞罗那超级计算中心）；Institute for Cross-Disciplinary Physics and Complex Systems (IFISC) UIB-CSIC（跨学科物理与复杂系统研究所（IFISC） UIB-CSIC）；European Laboratory for Non-Linear Spectroscopy (LENS), University of Florence（非线性光谱欧洲实验室（LENS），佛罗伦萨大学）
本文提出针对Max-Cut问题的QAOA参数层选择性迁移学习方案，通过优化部分层减少计算复杂度和优化时间，提升解的质量与效率。
2026-03-19 cond-mat.dis-nn cs.LG quant-ph
Quantum-informed surrogate sampling for combinatorial optimization
IQM Quantum Computers（IQM量子计算机公司）
研究针对组合优化问题，提出量子信息替代采样（QISS）框架，通过浅量子电路低权重相关性生成候选解。在最大割等问题上评估，结果优于普通QAOA，还验证了其在量子设备上的抗噪声能力，为近期优化提供新途径。
2026-07-27 cond-mat.dis-nn quant-ph
Quantum-Based Optimization of Gas Throughput in Natural Gas Transmission Networks Under Hydraulic Constraints Using QAOA
INGL – Israel Natural Gas Lines Ltd.（以色列天然气管道有限公司）；Classiq Technologies（Classiq技术公司）
本研究针对液压约束下天然气输气网络最大化输气量的组合优化问题，将其适配为QUBO形式并通过QAOA求解，在IonQ Forte-1量子处理器上以仅2层QAOA实现了有效优化，为量子辅助输气网络优化提供了概念验证。
2026-09-02 quant-ph
Optimizing the depth of variational quantum algorithms is strongly QCMA-hard to approximate
本文证明近似变分量子算法ansatz的最优深度在乘法因子N^{1-ε}内是QCMA难的，且该困难性在QAOA型设置中依然存在，首次给出自然的QCMA难近似问题。
2023-06-16 cs.CC quant-ph
Quantum Approximate and Quantum Walk Optimization Approaches to Set Balancing
本研究将集合平衡问题映射为伊辛模型，采用QAOA和QWOA算法求解，比较六种混合算子并引入熵后处理，提升组合优化性能。
2025-09-08 quant-ph
Quantum Computing for Optimizing Aircraft Loading
针对飞机装载优化问题，提出基于QAOA多角度变体（MAL-VQA）的量子算法，通过减少双量子比特门和避免引入松弛变量，在IonQ量子处理单元上成功求解12至28量子比特实例，展现了良好的可扩展性与鲁棒性。
2025-04-02 cs.ET quant-ph
Breaking QAOA's Fixed Target Hamiltonian Barrier: A Fully Connected Quantum Boltzmann Machine via Bilevel Optimization
School of Economics, Hunan University of Finance and Economics（湖南财经大学经济学院）
本文提出全连接量子玻尔兹曼机，通过双层优化架构改进传统QAOA电路，展示模型在单一层数下具有高测量精度，并在噪声环境下表现出强鲁棒性，同时在图像生成中也表现出稳定性。
2026-05-08 cond-mat.stat-mech cs.AI cs.ET
Offline Channel-Independent QAOA Angles for RIS Power Aggregation: Unit-Circle Phase Dictionaries and Infinite-Size Spin-Glass Limits
Yaşar University（雅萨尔大学）
提出一种离线、信道无关的QAOA角度优化方法，通过单位圆相位字典和无限尺寸自旋玻璃极限，实现RIS离散相位优化，在N≤16时达到近最优性能。
2026-06-24 eess.SP quant-ph
Hybrid GRU-CNN Bilinear Parameters Initialization for Quantum Approximate Optimization Algorithm
针对QAOA参数初始化难题，提出混合GRU-CNN双线性方法，通过GRU和CNN预测浅层参数，双线性策略外推深层参数，在10量子比特深度12电路上达到0.998近似比，优于随机初始化和PPN2方法。
2023-11-14 quant-ph
Digitized Counter-Diabatic Quantum Optimization for Bin Packing Problem
Instituto de Ciencia de Materiales de Madrid (CSIC)（马德里材料科学研究所）；Department of Physical Chemistry, University of the Basque Country UPV/EHU（巴斯克大学物理化学系）；Kipu Quantum GmbH（基普量子有限公司）
本文提出一种数字化反迪布拉特量子算法，用于解决一维装箱问题，通过引入反迪布拉特驱动减少量子资源消耗，提升求解质量，验证了CD-mixer方案在不同参数下的鲁棒性和准确性。
2025-02-21 quant-ph
Quantum-Enhanced Multi-Objective Optimization
Quantum Science Center of Guangdong-Hong Kong-Macao Greater Bay Area（粤港澳大湾区量子科学中心）；Department of Physics, Southern University of Science and Technology（南方科技大学物理系）
研究多目标组合优化难题，提出QEMOO框架，结合帕累托选择与热启动QAOA采样，引入自适应方向更新方案，在多轮协议下提升帕累托前沿超体积，为量子辅助多目标优化提供实用路径。
2026-09-03 quant-ph
