用量子计算机求解随机可满足性问题

量子计算机算法可以利用随机可满足性问题的结构。本文扩展了此类算法的先前经验评估，并给出了一个近似的渐近分析，该分析同时考虑了具有相同代价的搜索态之间振幅的平均值和变化。该分析预测，对于各种问题，包括那些与高浓度困难情况相关的相变附近的问题，平均而言具有良好的性能。基于对小问题的经验评估，根据此分析修改算法可提高其性能。该算法优于常用的经典启发式算法GSAT以及忽略问题结构的量子算法。