QAOA Alogrithm

QAOA算法

量子近似优化算法(QAOA), 是由Farhi, Goldstone和Gutmann开发的一个多项式时间算法，用于寻找“最优化问题的一种’好’的解决方案。对于给定的NP-Hard问题，近似算法是一种多项式时间算法，QAOA算法以期望的一些质量保证来解决每个问题实例。品质因数是多项式时间解的质量与真实的质量之间的比率。

1. 优化求解中的NP-hard问题学习

所谓的NP-hard，指所有NP问题都能在多项式时间复杂度内归约到的问题。

1.1 时间复杂度

时间复杂度并不是表示一个程序解决问题需要花费的多少时间，而是当问题规模扩大后，程序的需要的时间长度增长的有多快。也就是说，对于高速处理数据的计算机来说，处理某一个特定数据的速率不能衡量一个程序的好坏，而应该看到当这个数据的规模变大到数百倍后，程序运行的时间是否还是一样，有可能也跟着慢了数百倍。不管数据有多大，程序处理花费的时间始终是那么多的，我们就说这个程序好，具有$O(1)$的时间复杂度，也称常数级复杂度；数据规模变得多大，花的时间也跟着变得有多长，这个时间复杂度就是$O(n)$例如查找n个数中的最大值就是$O(n)$复杂度。而像冒泡排序，插入排序等，数据扩大2倍，时间变慢4倍，属于$O(n^2)$的复杂度。还有一些穷举类的算法，所需时间长度成几何阶数上涨，这就是$O(a^n)$的指数级复杂度，甚至$O(n!)$的阶乘级复杂度。注意，不会存在$O(2n^2)$的复杂度，因为前面的系数2不会影响到整个程序的时间增长。同样地，$O(n^3+n^2)$的复杂度也就是$O(n^3)$的复杂度， 因为后者的复杂度随着增长会远远超过后者。因此我们会说，一个 O ( 0.01 n 3 ) O(0.01n^3)