ScholarGate
Асистент
Machine learningVariational Algorithm

Квантов приблизителен оптимизационен алгоритъм

Квантовият приблизителен оптимизационен алгоритъм (QAOA) е хибриден квантово-класически алгоритъм, предназначен за решаване на комбинаторни оптимизационни задачи на квантови устройства от близко бъдеще. Въведен от Farhi, Goldstone и Gutmann през 2014 г., QAOA кодира оптимизационни задачи в квантови схеми и използва класическа оптимизация за настройка на параметрите на схемата, с цел намиране на приблизително оптимални решения за задачи като MaxCut, оцветяване на графи и планиране.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Farhi, E., Goldstone, J., Gutmann, S. (2014). A quantum approximate optimization algorithm. arXiv preprint arXiv:1411.4028. DOI: 10.48550/arXiv.1411.4028
  2. Zhou, L., Wang, S. T., Choi, S., et al. (2020). Quantum approximate optimization algorithm: Performance, mechanism, and implementation on near-term devices. Physical Review X, 10, 021067. DOI: 10.1103/PhysRevX.10.021067
  3. Hadfield, S., Wang, Z., O'Gorman, B., et al. (2019). From the Ising model to QAOA: A quantum optimization algorithm from the physicist's perspective. Algorithms, 12, 34. link

Как да цитирате тази страница

ScholarGate. (2026, June 3). Quantum Approximate Optimization Algorithm (QAOA). ScholarGate. https://scholargate.app/bg/quantum-computing/quantum-approximate-optimization-algorithm

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Цитиран в

ScholarGateQuantum Approximate Optimization Algorithm (Quantum Approximate Optimization Algorithm (QAOA)). Извлечено на 2026-06-15 от https://scholargate.app/bg/quantum-computing/quantum-approximate-optimization-algorithm · Набор от данни: https://doi.org/10.5281/zenodo.20539026