量子自适应分布搜索进行连续优化

该论文介绍了量子自适应分布搜索（QuADS），这是一种整合了格罗弗自适应搜索（GAS）和协方差矩阵适应 - 进化策略（CMA-ES）的量子连续优化算法，用于更高效的优化。通过自适应调整初始状态分布而非持续使用均匀状态，QuADS 取得了比 GAS 和 CMA-ES 更好的性能，从而减少了神谕调用次数。该研究是对利用量子计算进行连续优化潜力的重要一步。

近年来，变分量子算法（VQAs）作为解决量子计算机上优化问题的方法出现。自适应VQAs通过动态修改电路结构来解决固定结构电路的限制。本文分析了三种自适应VQAs，并与传统的VQA进行比较。研究发现，选择适当的超参数调整方法对算法性能至关重要。该研究为近期量子设备设计的自适应VQAs设定了基准，并为未来研究提供了见解。