論文の概要: Solving Vehicle Routing Problem Using Quantum Approximate Optimization
Algorithm
- arxiv url: http://arxiv.org/abs/2002.01351v2
- Date: Fri, 23 Sep 2022 07:53:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 00:19:09.535928
- Title: Solving Vehicle Routing Problem Using Quantum Approximate Optimization
Algorithm
- Title（参考訳）: 量子近似最適化アルゴリズムを用いた車両ルーティング問題の解法
- Authors: Utkarsh Azad, Bikash K. Behera, Emad A. Ahmed, Prasanta K. Panigrahi,
and Ahmed Farouk
- Abstract要約: 車両ルーティング問題(VRP)と呼ばれる整数プログラミング課題を解決するために,量子近似最適化アルゴリズム(QAOA)について述べる。
我々はVRPのIsing定式化について概説し、IBM Qiskitプラットフォームを用いてシミュレーションしたIsing Hamiltonianを最小化することでVRPを解くための詳細な手順を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we describe the usage of the Quantum Approximate Optimization
Algorithm (QAOA), which is a quantum-classical heuristic, to solve a
combinatorial optimization and integer programming task known as Vehicle
Routing Problem (VRP). We outline the Ising formulation for VRP and present a
detailed procedure to solve VRP by minimizing its simulated Ising Hamiltonian
using the IBM Qiskit platform. Here, we attempt to find solutions for the VRP
problems: (4,2), (5,2), and (5,3), where each (n, k) represents a VRP problem
with n locations and k vehicles. We find that the performance of QAOA is not
just dependent upon the classical optimizer used, the number of steps p in
which an adiabatic path is realized, or the way parameters are initialized, but
also on the problem instance itself.
- Abstract（参考訳）: 本稿では,量子古典的ヒューリスティックである量子近似最適化アルゴリズム(QAOA)を用いて,車載ルーティング問題(VRP)と呼ばれる組合せ最適化と整数プログラミングの課題を解決する。
我々はVRPのIsing定式化について概説し、IBM Qiskitプラットフォームを用いてシミュレーションしたIsing Hamiltonianを最小化することでVRPを解くための詳細な手順を示す。
ここでは,vrp問題の解を求める: (4,2), (5,2), (5,3) それぞれの (n, k) が n 個の位置と k 個の車両からなる vrp 問題を表す。
QAOAの性能は、使用する古典的なオプティマイザ、断熱経路が実現されるステップ数p、あるいはパラメータの初期化方法に依存するだけでなく、問題インスタンス自体にも依存している。
関連論文リスト
- A Feasibility-Preserved Quantum Approximate Solver for the Capacitated Vehicle Routing Problem [3.0567007573383678]
CVRP(Capacitated Vehicle Routing Problem)は、輸送や物流など様々な分野で発生するNP最適化問題である。
本稿では,CVRPの車両容量制約を回避できる最短経路を最小化する目的機能を備えた,CVRP用の新しいバイナリエンコーディングを提案する。
本稿では,量子交換演算子Ansatzの変種に基づく符号化の有効性について論じる。
論文 参考訳（メタデータ） (2023-08-17T05:14:43Z) - Solving The Vehicle Routing Problem via Quantum Support Vector Machines [0.0]
車両ルーティング問題(VRP)は、学術的な注目を集める最適化問題の例である。
量子機械学習は、量子効果の自然なスピードアップを利用して、解を得る新しい方法を提供する。
3, 4都市シナリオのVRPを解くために, ハイブリッド量子機械学習手法を実装し, テストする。
論文 参考訳（メタデータ） (2023-08-09T10:24:59Z) - Qubit efficient quantum algorithms for the vehicle routing problem on
NISQ processors [48.68474702382697]
時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。
そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
論文 参考訳（メタデータ） (2023-06-14T13:44:35Z) - Exploring the Algorithm-Dependent Generalization of AUPRC Optimization
with List Stability [107.65337427333064]
AUPRC(Area Under the Precision-Recall Curve)の最適化は、機械学習にとって重要な問題である。
本研究では, AUPRC最適化の単依存一般化における最初の試行について述べる。
3つの画像検索データセットの実験は、我々のフレームワークの有効性と健全性に言及する。
論文 参考訳（メタデータ） (2022-09-27T09:06:37Z) - Analysis of Vehicle Routing Problem in Presence of Noisy Channels [0.0]
車両ルーティング問題(VRP)はNPハード最適化問題である。
この研究は、変数 ANSATZ 上の変分量子固有解法を用いて、3 と 4 の都市に基本的な VRP ソリューションを構築する。
論文 参考訳（メタデータ） (2021-12-28T10:20:42Z) - Applying quantum approximate optimization to the heterogeneous vehicle
routing problem [0.7503129292751939]
異種車両ルーティング問題に対する近似解を求めるために,量子コンピュータの可能性を検討する。
このマッピングに必要なキュービットの数は、顧客数と2倍にスケールすることがわかった。
論文 参考訳（メタデータ） (2021-10-13T15:38:25Z) - Quantum walk-based vehicle routing optimisation [0.0]
本稿では、静電容量化車両ルーティング問題(CVRP)に対する量子ウォークに基づく最適化アルゴリズムの適用性を示す。
効率的なアルゴリズムは、解空間のインデックス化と非インデックス化のために開発され、必要な交互相ウォークのユニタリを実装するために開発された。
QWOAは, ランダムに生成する8つの位置CVRPに対して, ほぼ最適解に収束できるという数値シミュレーション結果を得た。
論文 参考訳（メタデータ） (2021-09-30T08:04:58Z) - Logistic Q-Learning [87.00813469969167]
MDPにおける最適制御の正規化線形プログラミング定式化から導いた新しい強化学習アルゴリズムを提案する。
提案アルゴリズムの主な特徴は,広範に使用されているベルマン誤差の代わりとして理論的に音声として機能する,政策評価のための凸損失関数である。
論文 参考訳（メタデータ） (2020-10-21T17:14:31Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳（メタデータ） (2020-03-11T13:52:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。