A nivel algorítmico, se definió el problema como un problema “QUBO”, en el que tanto la función a minimizar como las restricciones se codificaron en los Hamiltonianos respectivos. Por otro lado, también se realizó un modelo analítico que permite incluir en el modelo una preferencia de asignación a vendedores a puestos, en base a los históricos previos de asignación. El balanceo entre el soporte de asignación histórica (veces que un vendedor ha sido asignado a un puesto históricamente), y la ganancia en la asignación de vendedores a puestos “novedosos”, se realiza mediante un análisis de coeficientes de balanceo. En este proyecto también se ha implementando una solución de aprendizaje automático cuántico, o QML, capaz de modelizar el comportamiento subjetivo del gestor en base a los históricos obtenidos, y replicar automáticamente la asignación subjetiva de vendedores en función del contexto (día, mes, cartelera, etc.)