怎么将QUBO中的三次多项式转换为二次多项式了。直接以一个例题开始讲解。中间会用到之前文章里的知识，大家最好读了该系列前两篇之后，再阅读此文。还是挺麻烦的，不过不难理解，是可以写程序自动化的，这也是为什么我们需要pyqubo这中自动化转换QUBO的程序。

开始大家要有这样一个认识，才不会在学习过程中困惑。提示：以下是本篇文章正文内容，下面案例可供参考这篇文章，理清了QAOA的发明过程，以及直观理解，没有使用公式，之后慢慢代入公式进行讲解。

本文翻译自：https://www.noconote.work/entry/2019/01/01/160100最近概率模型和神经网络相结合的研究变得多了起来，这次使用Uber开源的Pyro来实现一个贝叶斯神经网络。概率编程框架最近出了不少，Uber的Pyro基于Pytorch，Google的Edward基于TensorFlow，还有一些独立的像PyMC3,Stan,Pomegranate等等。..

解释了建模旅行商问题TSP的QUBO表达式，读者可以理解如何设计目标函数和约束条件。

subQUBO思路和python实现。

建模车辆路径问题（VRP：Vehicle Routing Problem）的QUBO矩阵，并提供Python实现代码。

整数分割问题，Ising模型和QUBO的区别

有约束优化问题第一篇文章讲述了，怎么从二次多项式获得QUBO，获得QUBO后，量子退火法就可以直接给你最优解（没有特殊说明的话，所有的变量都是0或1）。其实，实际问题一般都是有约束的，比如上篇的例题加上约束条件后。这种带约束的优化问题，我们要求出满足约束条件下的令H值最小的，（x1,x2）的组合。没有约束的情况，（x1,x2）的组合和H的取值如下表，最优解为（x1,x2）=（0,1）：从上面的表中

介绍了量子退火的入门概念QUBO。