Improving Quantum Multi-Objective Optimization with Archiving and Substitution
본 논문은 파레토 아카이브(Pareto Archive)와 지배 솔루션 교체(dominated solutions substitution) 기법을 도입하여 변분 양자 다목적 최적화(QMOO) 알고리즘의 성능을 개선하고, RMNK-landscapes를 활용한 하이퍼파라미터 튜닝을 통해 소규모 문제에서 고전적 알고리즘(NSGA-II/III)과 대등하거나 더 어려운 문제에서 우위를 점할 수 있는 가능성을 제시합니다.