量子科技中心_量科网

量子近似优化算法（QAOA）在组合优化问题中展现出广阔应用前景。该研究团队通过参数迁移初始化结合目标单层优化的QAOA拟设，对3正则图（3R）、Erdős-Rényi图（ER）和Barabási-Albert图（BA）三类图结构的MaxCut问题展开研究。在无权图中，目标单层优化的平均近似比达到0.9443，相较全优化0.9551的精度保持了98.88%的最优性能，同时获得8.06倍计算加速。然而对于加权图族，高节点数图的优化性能相对较低（不足90%），表明该方法并非加权图的最优选择，但在特定加权图（如加权3正则图）中仍表现优异。研究发现8.92%测试案例中目标单层优化反超全优化，揭示复杂参数景观可能导致全优化陷入局部次优解。通过引入岭（L2）正则化平滑解空间，该团队将此类不一致案例从8.92%降至3.81%，有效提升了全优化的参数搜索能力。这项工作证明：高效参数初始化与目标单层优化策略能以极小的性能损失显著提升QAOA效率。