El problema de encontrar el ciclo ponderado máximo en un mapa de grafo dirigido para resolver problemas de optimización es difícil, lo que implica que los enfoques en la computación clásica son ineficientes. Aquí, la computación cuántica podría ser una alternativa prometedora. Muchos enfoques actuales para la computadora cuántica se basan en una formulación de problema de Optimización Binaria No Restringida Cuadrática (QUBO). Este documento desarrolla cuatro enfoques QUBO diferentes para este problema. Los dos primeros toman el vértice inicial y el número de vértices utilizados en el ciclo como dados, mientras que los dos últimos relajan la segunda suposición de conocer el tamaño del ciclo. Se deriva una formulación QUBO para cada enfoque. Además, se hace explícito el número de variables binarias requeridas para codificar el problema del ciclo ponderado máximo con una o ambas suposiciones para el enfoque respectivo. El problema está motivado por encontrar el ciclo de deuda ponderado máximo en un grafo de deuda. Este documento compara enfoques de computación clásica versus enfoques de computación cuántica (híbrida) actualmente disponibles para varios grafos de deuda. Para la parte clásica, se investigó el método de Búsqueda en Profundidad (DFS) y el Recocido Simulado. Para los enfoques cuánticos (híbridos), se utilizó una incrustación directa en el anillador cuántico y dos tipos de solucionadores cuánticos híbridos. El Recocido Simulado y el uso del CQM híbrido (Modelo Cuadrático Condicional) tuvieron una funcionalidad prometedora. Por otro lado, el método DFS, el QPU directo y el BQM híbrido (Modelo Cuadrático Binario) tuvieron un rendimiento menor debido a problemas de memoria, superando el límite de variables de decisión y encontrar los valores de penalización correctos, respectivamente.