本文深入研究了混合量子 - 经典变分算法中外循环经典优化的有效途径，并在 MaxCut 问题上通过发现优化参数中的模式，提出了启发式策略以在 $O (poly (p) $) 的时间内，找到近似最优的 p 级 QAOA $o$ 参数。与量子退火比较发现 QAOA 可以通过优化学习利用非绝热机制来克服与湮灭光谱间隙相关的挑战。在资源分析中，揭示了仅当问题规模大于数字模拟但可在近期设备中访问时，优化才是重要的，并提出用 2D 中性原子系统实现大型 MaxCut 问题的可行方法，从而挑战最佳经典算法所达到的范畴。

Dec, 2018

本文研究了量子近似优化算法在 MaxCut 问题上的性能，并使用自动微分和随机梯度下降优化量子电路。研究表明，使用批处理可以分摊训练成本，QAOA 算法可以在短小的电路深度下超越多项式时间的高曼 - 威廉姆斯算法，在固定电路深度下的表现不受问题规模的影响。此外，MaxCut QAOA 可在有限量子比特连接的门控量子计算机上有效实现，使用量子比特交换网络。

Nov, 2018

本研究提出改进量子近似优化算法（QAOA）的方法，包括使用 Gibbs 目标函数来调节电路的变分参数，以及使用 Ansatz Architecture Search 算法，在 QAOA 附近的离散量子电路结构空间中寻找更好的 Ansatz, 取得了较大的实验效果提升，同时为量子优化算法的电路设计开辟了新的研究领域。

Sep, 2019

该文研究了基于门模型的量子计算机上的量子近似优化算法（QAOA）及其可能表现出的量子霸权，发现即使低深度 QAOA 的输出也无法在任何经典设备上进行高效模拟，并提出了量子绝热算法（QADI）仍存在一个 oracle 使采样成为可能的限制。这表明 QAOA 不仅可能在优化方面有用，而且在实现量子霸权方面也具有潜力。

Feb, 2016

本文回顾了最近一些分析性工作的结果，将量子涨落的效应纳入到研究中，探究了量子绝热算法在最小化随机优化问题中的效率与经典算法的差异。

Oct, 2012

本文介绍了基于变分方法的新型混合量子 - 经典算法类别，重点是探究了优化方法和精度水平对变分算法的性能影响，最后提出了用拟牛顿优化方法执行量子逼近优化算法的结果。

Jan, 2017

介绍了一种量子算法，通过使用正整数 p 来提高近似解的质量，将其应用于组合优化问题的求解上，并分析了在正则图上，固定的 p 值下算法的性能表现。

Nov, 2014

通过改变量子近似优化算法 [E. Farhi, J. Goldstone, and S. Gutmann，arXiv:1411.4028] 的参数化和目标，我们使用机器学习方法实现通过训练一组实例来得到高于此问题的最优解的量子算法， 寻找 MAX-2-SAT 问题的量子优化解决方案，并在硬件上对优化参数进行测试，该算法在对难度最大的实例进行测试时得到了改进。

May, 2016

本文介绍了量子近似优化算法（QAOA），并证明了对于固定参数和来自合理分布的实例，目标函数值会在多数情况下几乎相等，这适用于大型 3 - 正则图上的 MaxCut 实例，并且结果可泛化到其他问题和深度量子电路，并且发现使用相同的参数可以在不同的位数下获得良好的性能表现，这为减少或消除外循环优化提供了可能性。

Dec, 2018

本文演示了 Google Sycamore 超导量子位计算机在组合优化问题上的应用及 QAOA 算法，克服了硬件连接性图不同于实际问题图的挑战，并提出了在未来的开发中应注重更多这样的问题。

Apr, 2020