論文の概要: Beating classical heuristics for the binary paint shop problem with the
quantum approximate optimization algorithm
- arxiv url: http://arxiv.org/abs/2011.03403v1
- Date: Fri, 6 Nov 2020 15:03:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 03:14:16.446405
- Title: Beating classical heuristics for the binary paint shop problem with the
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2値ペイントショップ問題に対する古典ヒューリスティックの打破
- Authors: Michael Streif, Sheir Yarkoni, Andrea Skolik, Florian Neukart, Martin
Leib
- Abstract要約: 我々は、量子近似最適化アルゴリズム(QAOA)を用いてバイナリペイントショップ問題(BPSP)の解を求める方法を示す。
一定の深さを持つQAOAは、無限大の極限$nrightarrowinftyinftyにおいて、古典を平均的に破ることができることを示した。
- 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: The binary paint shop problem (BPSP) is an APX-hard optimization problem of
the automotive industry. In this work, we show how to use the Quantum
Approximate Optimization Algorithm (QAOA) to find solutions of the BPSP and
demonstrate that QAOA with constant depth is able to beat classical heuristics
on average in the infinite size limit $n\rightarrow\infty$. For the BPSP, it is
known that no classical algorithm can exist which approximates the problem in
polynomial runtime. We introduce a BPSP instance which is hard to solve with
QAOA, and numerically investigate its performance and discuss QAOA's ability to
generate approximate solutions. We complete our studies by running first
experiments of small-sized instances on a trapped-ion quantum computer through
AWS Braket.
- Abstract（参考訳）: binary paint shop problem (bpsp) は自動車業界におけるapxハードな最適化問題である。
本研究では, BPSP の解を求めるために量子近似最適化アルゴリズム (QAOA) を用いる方法を示し, 無限大極限$n\rightarrow\infty$ において, 一定深さの QAOA が古典的ヒューリスティックを平均で破ることができることを示した。
BPSPの場合、多項式ランタイムの問題を近似する古典的アルゴリズムは存在しないことが知られている。
本稿では,QAOAで解くのが難しいBPSPインスタンスを紹介し,その性能を数値的に検討し,QAOAが近似解を生成する能力について議論する。
私たちはAWS Braketを通じて、トラップされたイオン量子コンピュータ上で小さなインスタンスの最初の実験を行うことで、研究を完了しました。
関連論文リスト
- Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている
SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。
この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
論文 参考訳（メタデータ） (2024-08-14T19:04:13Z) - Discretized Quantum Exhaustive Search for Variational Quantum Algorithms [0.0]
現在利用可能な量子デバイスは、限られた量子ビットと高いレベルのノイズしか持たず、それらのデバイスで正確に解決できる問題のサイズを制限している。
我々は、変分量子アルゴリズム -- 離散化量子排他探索 -- を改善する新しい方法を提案する。
論文 参考訳（メタデータ） (2024-07-24T22:06:05Z) - Evidence of Scaling Advantage for the Quantum Approximate Optimization Algorithm on a Classically Intractable Problem [8.738180371389097]
量子近似最適化アルゴリズム(QAOA)は、量子コンピュータにおける最適化問題を解くための主要な候補アルゴリズムである。
本稿では,低自己相関二項列(LABS)問題に対するQAOAの広範な数値的な検討を行う。
パラメータが固定されたQAOAのランタイムは、分岐とバウンドの解法よりも良くスケールする。
論文 参考訳（メタデータ） (2023-08-04T14:17:21Z) - 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) - Solving various NP-Hard problems using exponentially fewer qubits on a
Quantum Computer [0.0]
NPハード問題は、一般時間アルゴリズムで正確に解けるとは考えられていない。
本稿では,問題のサイズに応じて対数的にスケールする独自手法を構築した。
これらのアルゴリズムは、100以上のノードのグラフサイズを持つ量子シミュレータと、256のグラフサイズまでの実際の量子コンピュータでテストされる。
論文 参考訳（メタデータ） (2023-01-17T16:03:33Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳（メタデータ） (2022-12-06T22:01:49Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳（メタデータ） (2022-05-26T20:32:36Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳（メタデータ） (2022-05-24T03:49:10Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳（メタデータ） (2022-02-17T18:59:20Z) - Efficient Classical Computation of Quantum Mean Values for Shallow QAOA
Circuits [15.279642278652654]
浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。
我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
論文 参考訳（メタデータ） (2021-12-21T12:41:31Z) - Multi-car paint shop optimization with quantum annealing [0.0]
本稿では,自動車産業アプリケーション,マルチカーペンキショップ (MCPS) 問題に取り組むために,バイナリペイントショップ問題 (BPSP) の一般化を提案する。
この最適化の目的は、製造中のペイントショップキュー内の車両間のカラースイッチ数を最小化することであり、既知のNPハード問題である。
我々はペイントショップ問題のサブクラスを区別し,基本MCPS問題をIsingモデルとして定式化する方法を示す。
論文 参考訳（メタデータ） (2021-09-16T11:14:45Z)
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。