基于低深度多层 QAOA 转移参数求解大规模 QUBO

量子近似优化算法 (QAOA) 是一种针对解决组合优化问题的有前景的量子方法。然而，受限于硬件的规模限制以及对噪声的敏感性，这在将 QAOA 应用于大型问题时构成重大挑战。为克服这些限制，已提出可扩展的多层次策略。本文提出一种快速的混合多层算法，QAOA 参数贯穿整个多层次结构，并通过遗传算法加以强化，形成一个高质量、低深度的 QAOA 求解器。值得注意的是，我们提出了从最粗糙层次转移参数到更细层次的策略，表明基于松弛的粗化保留了 QAOA 参数化所需的問題结构信息。我们的策略改进了粗化阶段，并利用 Quantum Relax \& Round 和遗传算法有效地整合 $p=1$ QAOA 样本。结果凸显了多层 QAOA 作为面向近期量子设备的组合优化可扩展方法的实际潜力。