論文の概要: Optimising Rolling Stock Planning including Maintenance with Constraint
Programming and Quantum Annealing
- arxiv url: http://arxiv.org/abs/2109.07212v1
- Date: Wed, 15 Sep 2021 11:00:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-16 14:55:19.525052
- Title: Optimising Rolling Stock Planning including Maintenance with Constraint
Programming and Quantum Annealing
- Title(参考訳): 制約プログラミングと量子アニーリングによる保守を含む車両計画の最適化
- Authors: Cristian Grozea, Ronny Hans, Matthias Koch, Christina Riehn, Armin
Wolf
- Abstract要約: ストック最適化のための制約プログラミング(CP)と量子アニーリング(QA)のアプローチを開発し比較する。
両者のアプローチは、物理量子アニールの現段階において、同等の結果を生み出す傾向にある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We developed and compared Constraint Programming (CP) and Quantum Annealing
(QA) approaches for rolling stock optimisation considering necessary
maintenance tasks. To deal with such problems in CP we investigated specialised
pruning rules and implemented them in a global constraint. For the QA approach,
we developed quadratic unconstrained binary optimisation (QUBO) models. For
testing, we use data sets based on real data from Deutsche Bahn and run the QA
approach on real quantum computers from D-Wave. Classical computers are used to
run the CP approach as well as tabu search for the QUBO models. We find that
both approaches tend at the current development stage of the physical quantum
annealers to produce comparable results, with the caveat that QUBO does not
always guarantee that the maintenance constraints hold, which we fix by
adjusting the QUBO model in preprocessing, based on how close the trains are to
a maintenance threshold distance.
- Abstract(参考訳): 我々は,必要なメンテナンスタスクを考慮したストック最適化のための制約プログラミング(CP)と量子アニーリング(QA)アプローチを開発し,比較した。
CPにおけるこのような問題に対処するため,特定プルーニングルールを調査し,グローバル制約下で実施した。
qaアプローチでは,quadratic unconstrained binary optimization (qubo)モデルを開発した。
テストでは、Deutsche Bahnの実際のデータに基づいてデータセットを使用し、D-Waveの実際の量子コンピュータ上でQAアプローチを実行します。
古典的なコンピュータはCPアプローチの実行やQUBOモデルのタブ検索に使用されている。
両アプローチとも、物理量子アンナーの現段階において、同等な結果が得られる傾向にあり、QUBOは、列車が保守閾値距離にどれだけ近いかに基づいて、前処理でQUBOモデルを調整することで、維持制約が保持されることを常に保証していないことに注意する必要がある。
関連論文リスト
- Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum
Computing [99.34965725525188]
AQC(Adiabatic quantum computing)は、NP-hard最適化問題に対する有望な量子コンピューティング手法である。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - Quantum Optimization: Lagrangian Dual versus QUBO in Solving Constrained
Problems [0.0]
本稿では,ラグランジアン双対性の概念を離散化された断熱量子計算の枠組みに組み込むことにより,制約付き最適化問題の解法を提案する。
回路モデル-フォールトトレラント量子計算の設定において,本手法が回路深さの2次改善を実現し,制約に依存しない回路幅を維持できることを示す。
論文 参考訳(メタデータ) (2023-10-06T19:09:55Z) - QAL-BP: An Augmented Lagrangian Quantum Approach for Bin Packing [4.589533935256401]
ビンパッキングは人工知能の分野でよく知られたNP-Hard問題である。
量子技術の最近の進歩は、かなりの計算スピードアップを達成するための有望な可能性を示している。
QAL-BPは, ビンパッキングに特化して設計された, 擬似非拘束バイナリ最適化(QUBO)の定式化である。
論文 参考訳(メタデータ) (2023-09-22T07:37:20Z) - Single entanglement connection architecture between multi-layer
bipartite HEA [20.002317709479012]
ハードウェア効率アンサッツ(HEA)のための単一絡み合い接続アーキテクチャ(SECA)を提案する。
本結果から,SECAの計算性能は,一般の完全絡み合い接続アーキテクチャ(FECA)よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-07-23T13:36:30Z) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳(メタデータ) (2023-03-27T22:48:28Z) - Prog-QAOA: Framework for resource-efficient quantum optimization through
classical programs [0.0]
現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価イジングモデルに変換する必要がある。
目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。
その結果,量子近似最適化アルゴリズム (QAOA) が新たに導入された。
論文 参考訳(メタデータ) (2022-09-07T18:01:01Z) - Evaluating the Convergence of Tabu Enhanced Hybrid Quantum Optimization [58.720142291102135]
本稿では,量子ハードウェア上での最適化問題解決に有用な Tabu Enhanced Hybrid Quantum Optimization メタヒューリスティック手法を提案する。
提案手法の理論的収束を,イジングモデルに基づくタブ状態を保存する対象の衝突の観点から考察する。
論文 参考訳(メタデータ) (2022-09-05T07:23:03Z) - Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary
Optimization [44.96576908957141]
本稿では,量子コンピュータ上での2次線形反復問題を解くために,フランク・ウルフアルゴリズム(Q-FW)に基づく古典量子ハイブリッドフレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-23T18:00:03Z) - 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) - Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。
3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文 参考訳(メタデータ) (2021-08-03T17:49:09Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳(メタデータ) (2021-05-06T17:59:38Z)
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。