Fugu-MT 論文翻訳(概要): Constraint Programming to Discover One-Flip Local Optima of Quadratic Unconstrained Binary Optimization Problems

論文の概要: Constraint Programming to Discover One-Flip Local Optima of Quadratic Unconstrained Binary Optimization Problems

arxiv url: http://arxiv.org/abs/2104.01709v1
Date: Sun, 4 Apr 2021 22:55:25 GMT
ステータス: 処理完了
システム内更新日: 2021-04-07 01:57:38.385573
Title: Constraint Programming to Discover One-Flip Local Optima of Quadratic Unconstrained Binary Optimization Problems
Title（参考訳）: 二次非拘束二項最適化問題の1-Flip局所最適解を求める制約プログラミング
Authors: Amit Verma and Mark Lewis
Abstract要約: qubo annealersや他のソリューションアプローチは、局所的な最適性を持つ多様なソリューションセットから始めることができる。本稿では,制約プログラミングを活用した1フリップ局所オプティマの集合を生成する新しい手法を提案する。
参考スコア（独自算出の注目度）: 0.5439020425819
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The broad applicability of Quadratic Unconstrained Binary Optimization (QUBO) constitutes a general-purpose modeling framework for combinatorial optimization problems and are a required format for gate array and quantum annealing computers. QUBO annealers as well as other solution approaches benefit from starting with a diverse set of solutions with local optimality an additional benefit. This paper presents a new method for generating a set of one-flip local optima leveraging constraint programming. Further, as demonstrated in experimental testing, analysis of the solution set allows the generation of soft constraints to help guide the optimization process.
Abstract（参考訳）: Quadratic Unconstrained Binary Optimization (QUBO)の幅広い適用性は、組合せ最適化問題のための汎用モデリングフレームワークを構成し、ゲートアレイと量子アニールコンピュータに必要なフォーマットである。 qubo annealersや他のソリューションアプローチは、局所的最適性が付加的な利点を持つ多様なソリューションセットから始めることで恩恵を受ける。本稿では,制約プログラミングを応用した1自由度局所オプティマのセットを生成する新しい手法を提案する。さらに、実験で実証されたように、解集合の解析により、ソフト制約の生成が最適化プロセスの導出に役立つ。

関連論文リスト

Two-Timescale Optimization Framework for Decentralized Linear-Quadratic Optimal Control [3.746304628644379]
疎性促進関数の選択に基づいて、いくつかの近似可分制約最適化問題を初めて定式化する。分割2次間隔促進関数を導入し、同じ2時間スケールのアルゴリズムを実行することにより、誘導最適化を行う。
論文参考訳（メタデータ） (2024-06-17T03:17:33Z)
Optimized QUBO formulation methods for quantum computing [0.4999814847776097]
実世界の金融シナリオにインスパイアされたNPハード最適化問題に対して,我々の手法を適用する方法について述べる。 2つのD波量子異方体にこの問題の事例を提出し、これらのシナリオで使用される標準手法と新しい手法の性能を比較した。
論文参考訳（メタデータ） (2024-06-11T19:59:05Z)
Learning Constrained Optimization with Deep Augmented Lagrangian Methods [54.22290715244502]
機械学習(ML)モデルは、制約付き最適化ソルバをエミュレートするために訓練される。本稿では,MLモデルを用いて2つの解推定を直接予測する手法を提案する。これにより、双対目的が損失関数であるエンドツーエンドのトレーニングスキームと、双対上昇法をエミュレートした原始的実現可能性への解推定を可能にする。
論文参考訳（メタデータ） (2024-03-06T04:43:22Z)
Dynamic Incremental Optimization for Best Subset Selection [15.8362578568708]
最良のサブセット選択は、多くの学習問題に対する金の標準と見なされている。主問題構造と双対問題構造に基づいて,効率的な部分集合双対アルゴリズムを開発した。
論文参考訳（メタデータ） (2024-02-04T02:26:40Z)
Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文参考訳（メタデータ） (2023-12-28T23:15:18Z)
Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文参考訳（メタデータ） (2023-01-28T01:50:42Z)
Polynomial Optimization: Enhancing RLT relaxations with Conic Constraints [0.0]
円錐最適化は、非スケール問題に対するトラクタブルで保証されたアルゴリズムを設計するための強力なツールとして登場した。最適化問題に対するRLT緩和の強化について,9種類の制約を加えて検討する。我々は、これらの変種とその性能を、互いに、そして標準RCT緩和に関してどのように設計するかを示す。
論文参考訳（メタデータ） (2022-08-11T02:13:04Z)
Optimal Design of Electric Machine with Efficient Handling of Constraints and Surrogate Assistance [5.387300498478744]
本稿では、広く使われている進化的多目的最適化アルゴリズムNSGA-IIに組み込んだ最適化手法を提案する。提案手法は, 幾何的制約の安価さを利用して, カスタム補修演算子を用いて実現可能な設計を生成する。
論文参考訳（メタデータ） (2022-06-03T17:13:29Z)
Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文参考訳（メタデータ） (2022-01-28T05:53:28Z)
Faster Algorithm and Sharper Analysis for Constrained Markov Decision Process [56.55075925645864]
制約付き意思決定プロセス (CMDP) の問題点について検討し, エージェントは, 複数の制約を条件として, 期待される累積割引報酬を最大化することを目的とする。新しいユーティリティ・デュアル凸法は、正規化ポリシー、双対正則化、ネステロフの勾配降下双対という3つの要素の新たな統合によって提案される。これは、凸制約を受ける全ての複雑性最適化に対して、非凸CMDP問題が$mathcal O (1/epsilon)$の低い境界に達する最初の実演である。
論文参考訳（メタデータ） (2021-10-20T02:57:21Z)
On Constraints in First-Order Optimization: A View from Non-Smooth Dynamical Systems [99.59934203759754]
本稿では,スムーズな制約付き最適化のための一階法について紹介する。提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
論文参考訳（メタデータ） (2021-07-17T11:45:13Z)

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。