基于元启发式集成的QAOA与量子退火的性能基准比较

量子近似优化算法（QAOA）是解决组合优化问题中最有前景的含噪声中等规模量子（NISQ）算法之一，并展现出超越经典启发式技术的潜力。遗憾的是，QAOA的性能依赖于参数的选择，而由于这些优化函数的复杂性与神秘性，标准优化器往往无法识别出关键参数。在本文中，我们将经元启发式优化器改进的QAOA电路与经典及量子启发式方法进行了基准比较，以识别QAOA参数。实验结果揭示了量子退火与元启发式集成QAOA在不同问题域中的优势与局限。研究结果表明，该混合方法能够利用经典优化策略来提升QAOA的解质量与收敛速度，尤其适用于具有崎岖景观和有限量子资源的问题。此外，本研究为根据手头优化问题的具体特征选择最合适的方法提供了指导。