加速Grover自适应搜索：基于高阶公式的量子比特与量子门数削减策略

Grover自适应搜索（GAS）是一种用于求解二元优化问题的量子穷举搜索算法。在本文中，我们提出高阶二元公式，可同时减少 GAS 所需的量子比特数与量子门数。具体而言，我们考虑两种新策略：一种通过多项式因式分解减少量子门数，另一种将目标函数的阶数减半，进而降低电路运行时间与实现成本。我们的分析表明，所提出的高阶公式通过减小搜索空间规模和量子门数量，改善了 GAS 的收敛性能。我们的策略对于使用独热编码的一般组合优化问题同样有益。