标题
Genetic algorithms as classical optimizer for the Quantum Approximate Optimization Algorithm
参考引用:
Acampora G, Chiatto A, Vitiello A. Genetic algorithms as classical optimizer for the Quantum Approximate Optimization Algorithm[J]. Applied Soft Computing, 2023, 142: 110296.
摘要
优化是量子计算可以带来显着优势的研究领域之一。在这种情况下,混合量子经典变分算法,即量子近似优化算法(QAOA),因其有效解决组合优化问题的潜力而受到广泛关注。这种方法的工作原理是使用经典优化器来识别问题相关量子电路的适当参数,最终执行优化过程。不幸的是,学习最合适的 QAOA 电路参数是一项复杂的任务,受到多个问题的影响,例如以许多局部最优为特征的搜索环境。此外,在这种情况下开创的基于梯度的优化器往往会浪费量子计算资源。因此,无梯度方法正在成为解决此参数设