此研究提出了一种通过识别可以预定的最优变量来减少 QUBO 矩阵的规模并从而改善优化问题解决质量和时间的方法，并分析了对此规模减小技术最有影响的 QUBO 结构特征。

May, 2017

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

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

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

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

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

本研究探讨了使用量子计算技术解决三维形状图像匹配问题，提出了将二次受限二进制优化问题映射到量子硬件的几种重构方法，重点考虑获得足够的频谱间隙，以提高在单次运行中测量最优解和有效置换矩阵的概率。在量子计算机 D-Wave 2000Q 上进行实验，结果表明本文提出的置换矩阵约束的重新表述，增加了数值计算的稳健性。该算法有望在未来的量子计算架构上扩展到更高维度，为 3D 计算机视觉和图形问题的解决开辟多个新方向。

Jul, 2021

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