Fugu-MT 論文翻訳(概要): A Cuckoo Quantum Evolutionary Algorithm for the Graph Coloring Problem

論文の概要: A Cuckoo Quantum Evolutionary Algorithm for the Graph Coloring Problem

arxiv url: http://arxiv.org/abs/2108.08691v1
Date: Thu, 19 Aug 2021 13:58:06 GMT
ステータス: 処理完了
システム内更新日: 2023-03-18 01:17:34.803041
Title: A Cuckoo Quantum Evolutionary Algorithm for the Graph Coloring Problem
Title（参考訳）: グラフ彩色問題に対するcuckoo量子進化アルゴリズム
Authors: Yongjian Xu and Yu Chen
Abstract要約: グラフ着色問題(GCP)の解法として、cuckoo quantum evolution algorithm (CQEA)を提案する。 CQEAは強力な探索とエクスプロイト能力を備えており、比較した最先端のアルゴリズムと競合する。
参考スコア（独自算出の注目度）: 5.3513212575826925
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Based on the framework of the quantum-inspired evolutionary algorithm, a cuckoo quantum evolutionary algorithm (CQEA) is proposed for solving the graph coloring problem (GCP). To reduce iterations for the search of the chromatic number, the initial quantum population is generated by random initialization assisted by inheritance. Moreover, improvement of global exploration is achieved by incorporating the cuckoo search strategy, and a local search operation, as well as a perturbance strategy, is developed to enhance its performance on GCPs. Numerical results demonstrate that CQEA operates with strong exploration and exploitation abilities, and is competitive to the compared state-of-the-art heuristic algorithms.
Abstract（参考訳）: 量子に着想を得た進化アルゴリズムの枠組みに基づいて、グラフ着色問題(GCP)を解決するために、カッコウ量子進化アルゴリズム(CQEA)を提案する。色数探索の繰り返しを減らすために、継承を補助するランダム初期化によって初期量子集団が生成される。さらに、cuckoo検索戦略を組み込んだグローバル探索の改善が達成され、gcp上での性能を向上させるために、ローカル検索操作と摂動戦略が開発されている。数値的な結果は、CQEAが強力な探索と搾取能力を持ち、比較した最先端のヒューリスティックアルゴリズムと競合することを示している。

関連論文リスト

Quantum Maximum Entropy Inference and Hamiltonian Learning [4.9614587340495]
この研究は、最大エントロピー推論とグラフィカルモデルの学習のためのアルゴリズムを量子領域に拡張する。量子反復スケーリング(QIS)として知られる一般化は単純であるが、重要な課題は量子問題インスタンスの非可換性にある。準ニュートン法によるQISとGDの性能向上について検討する。
論文参考訳（メタデータ） (2024-07-16T08:11:34Z)
Decision-focused Graph Neural Networks for Combinatorial Optimization [62.34623670845006]
最適化問題に取り組むための新たな戦略は、従来のアルゴリズムに代わるグラフニューラルネットワーク(GNN)の採用である。 GNNや従来のアルゴリズムソルバがCOの領域で人気が高まっているにもかかわらず、それらの統合利用とエンドツーエンドフレームワークにおけるそれらの相関について限定的な研究がなされている。我々は、GNNを利用してCO問題に補助的なサポートで対処する決定に焦点を当てたフレームワークを導入する。
論文参考訳（メタデータ） (2024-06-05T22:52:27Z)
Qudit inspired optimization for graph coloring [0.0]
グラフ色問題(GCP)のための量子インスパイアされたアルゴリズムを提案する。我々は、グラフ内のノードを表現し、d次元球面座標でパラメータ化した各キューディットを積状態に使用する。我々は、QdGD(qudit gradient descent)、ランダムな状態におけるクォーディットの開始、コスト関数の最小化のために勾配降下を利用する2つの最適化戦略をベンチマークする。
論文参考訳（メタデータ） (2024-06-02T16:19:55Z)
Quantum Graph Optimization Algorithm [7.788671046805509]
本研究では,メッセージパス機構を統合した新しい変分量子グラフ最適化アルゴリズムを提案する。 QUBOタスクのスケーラビリティに関して,本アルゴリズムはQAOAよりも優れた性能を示す。
論文参考訳（メタデータ） (2024-04-09T16:25:07Z)
Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。どの場の量子スピードアップが達成できるかという新たな課題が生じる。量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文参考訳（メタデータ） (2024-02-26T09:32:07Z)
Clustering by Contour coreset and variational quantum eigensolver [0.8544206632559302]
本稿では,変分量子固有解法(VQE)とカスタマイズコアセット法であるContour coresetを用いて,k平均クラスタリング問題を解くことを提案する。我々の研究は、量子化されたコアセット技術は量子アルゴリズムの性能を大幅に向上させる可能性があることを示した。
論文参考訳（メタデータ） (2023-12-06T14:21:17Z)
Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文参考訳（メタデータ） (2023-04-18T11:57:15Z)
RL-EA: A Reinforcement Learning-Based Evolutionary Algorithm Framework for Electromagnetic Detection Satellite Scheduling Problem [6.438148195340613]
本稿では、EDSSP問題に対する混合整数プログラミングモデルと強化学習(RL-EA)に基づく進化的アルゴリズムフレームワークを提案する。提案アルゴリズムの計画効果を検討するために,様々なスケール実験を行った。
論文参考訳（メタデータ） (2022-06-12T08:53:56Z)
From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文参考訳（メタデータ） (2022-02-19T02:56:47Z)
Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
論文参考訳（メタデータ） (2021-08-18T09:26:17Z)
Progressive Spatio-Temporal Graph Convolutional Network for Skeleton-Based Human Action Recognition [97.14064057840089]
本稿では,グラフ畳み込みネットワークのためのコンパクトで問題固有のネットワークを,段階的に自動的に見つける手法を提案する。骨格に基づく人体行動認識のための2つのデータセットの実験結果から,提案手法は競争力あるいはより優れた分類性能を有することが示された。
論文参考訳（メタデータ） (2020-11-11T09:57:49Z)

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。