该论文介绍了 QUBO 模型的基本特征，以及它在优化领域中的重要性，涵盖了与物理中的 Ising 问题，量子退火，神经形态计算等领域密切相关的专业术语，并详细阐述了如何使用 QUBO 模型在许多不同的应用中展示其潜力和灵活性。

Nov, 2018

本文研究了使用量子计算机或其他专用硬件的优化算法，介绍了 QUBO 形式的优化问题，并探索了在 QUBO 公式下设置罚项权重的新静态方法，以解决旅行商问题等排列问题的优化难题。

Jun, 2022

研究表明，采用非标量化方法将多目标问题转化为单目标问题，可以克服 QUBO 解算器的设计折衷问题，并提高多目标 DA 算法的最终解决方案质量。

May, 2022

利用 MiniZinc 转换成 QUBO 的自动转换器，可以有效地将大量的约束优化和约束满足问题转化为等效的 QUBOs，从而优化整个过程。

Jul, 2023

本篇研究探讨将多个目标转化为单一目标的方法，在集合约束均值 - 方差投资组合优化问题上，迭代填充帕累托前沿中最大空间的方法可以显著提高性能。

Oct, 2022

通过引入 QUBO 变换哈密顿量和建立 RL 模型的奖励函数，我们提出了一种改进 PI-GNN 算法的方法，并采用 Monty Carlo Tree Search 策略和 GNN 结合进行训练，实验结果表明在满足约束条件方面有 44% 的改进。

Nov, 2023

利用强化学习与哈密顿函数结合的方法在二次无约束二进制优化（QUBO）问题中处理组合优化问题。使用图神经网络作为节点之间信息传递的消息传递架构，并使用 Monty-Carlo Tree Search with GNN-based RL（MCTS-GNN）、DQN with GNN-based RL 和 GRL 三种结构进行研究。发现 RL 范式中，QUBO 公式中基于哈密顿函数的优化可以带来模型收敛，并可作为通用的奖励函数；并通过对不同密度图上的实验，从违反约束、学习稳定性和计算成本的角度比较了不同结构的性能。

Aug, 2023

本研究利用量子力学硬件处理 NP-hard 的变优化问题，将图像识别问题转换为二次无约束二进制优化问题，进而利用 D-Wave 超导绝热量子计算（AQC）处理问题，该方法是一种有前途的特殊目的启发式算法解决方案。

Apr, 2008

提出基于 Frank-Wolfe 算法和量子模拟器建立的混合经典量子框架 Q-FW，用于解决量子模拟器上的二次型线性约束二元优化问题，并使用 D-Wave Advantage QA 在计算机视觉问题上进行实验验证。

Mar, 2022

QAL-BP 是一种用于解决装箱问题的新型二次无约束二值优化（QUBO）方法，利用增广拉格朗日方法将装箱约束融入目标函数中，同时为启发式罚函数提供了分析估计，通过在实际量子退火设备上进行实验，结果表明量子计算在解决装箱问题上的潜力，特别是在可靠的量子技术逐渐成熟时。

Sep, 2023