基于单次测量的 QAOA 在 Max-Cut 问题上的评估：黑箱实现与 Goemans-Williamson 的对比
量子物理
2026-04-27 v2
摘要
量子近似优化算法 (QAOA) 已成为解决量子硬件上组合优化问题的有前景的方法。本文对 QAOA 在 Max-Cut 问题上的应用进行经验性评估，并以 Goemans-Williamson (GW) 算法作为经典基准进行比较。不同于许多先前研究，本文的方法将 QAOA 实现视为黑盒优化器，仅依赖默认参数设置，不进行手动微调。我们评估了具体的即插即用 QAOA 实现在默认设置下的表现，而非在优化参数下 QAOA 的算法潜力。这更贴近缺乏实例特定优化资源或专业知识的终端用户的实际使用场景。为便于进行公平且有信息量的评估，我们构建了使用众所周知图生成模型制造的基准实例，这些模型模拟实际图结构，避免了针对量子或经典算法的合成构建。我们分析中的核心组成部分是一种 per-shot 统计框架，它追踪 QAOA 输出质量随 circuit 执行次数的变化。这使得能够通过检查 QAOA 在何时以及如何频繁超过诸如 GW 期望值和下界等经典性能基准来进行概率性比较。我们的结果为 QAOA 在 Max-Cut 上的实际适用性提供了见解，并突显了其当前的局限性，提供了一个可指导未来 QAOA 实现评估和开发的框架。
引用
@article{arxiv.2604.08367,
title = {Per-Shot Evaluation of QAOA on Max-Cut: A Black-Box Implementation Comparison with Goemans-Williamson},
author = {Evgenii Dolzhkov and Franz G. Fuchs and Dirk Oliver Theis},
journal= {arXiv preprint arXiv:2604.08367},
year = {2026}
}