Un problema de encontrar la mejor solución entre todas las opciones factibles.Un problema de optimización es un desafío matemático en el que se busca la mejor solución entre un conjunto de opciones factibles, típicamente maximizando o minimizando una función objetivo. Estos problemas aparecen en física, ingeniería y ciencias de la computación, desde encontrar el estado de menor energía de un material hasta programar redes eléctricas o diseñar redes eficientes. La dificultad radica en el tamaño del espacio de soluciones, que a menudo crece exponencialmente, haciendo imposible la búsqueda por fuerza bruta.
El estudio formal de la optimización se remonta al siglo XVII con el cálculo de variaciones, pero el campo moderno surgió en el siglo XX con la programación lineal y el desarrollo del método simplex por George Dantzig en 1947. La optimización cuántica ganó impulso en la década de 1990 con la propuesta del recocido cuántico.
Los algoritmos de optimización mejoran iterativamente las soluciones candidatas evaluando la función objetivo y explorando configuraciones vecinas. Los métodos clásicos incluyen el descenso por gradiente, el recocido simulado y los algoritmos genéticos. Los enfoques cuánticos, como el recocido cuántico o el Algoritmo de Optimización Aproximada Cuántica (QAOA), aprovechan la superposición y el entrelazamiento para explorar el espacio de soluciones de manera más eficiente para ciertas clases de problemas. Los métodos híbridos clásico-cuánticos combinan ambos para manejar restricciones del mundo real.
La optimización se utiliza en logística para la planificación de rutas, en ciencia de materiales para predecir estructuras cristalinas, en finanzas para la selección de carteras y en computación cuántica para resolver Max-Cut y otros problemas combinatorios.
El problema del viajante, un desafío clásico de optimización, es tan difícil que incluso una solución para 100 ciudades requeriría más pasos computacionales que átomos hay en el universo observable si se hiciera por fuerza bruta.











