論文の概要: Quantum-Enhanced Selection Operators for Evolutionary Algorithms

• arxiv url: http://arxiv.org/abs/2206.10743v1
• Date: Tue, 21 Jun 2022 21:36:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-24 08:12:29.906095
• Title: Quantum-Enhanced Selection Operators for Evolutionary Algorithms
• Title（参考訳）: 進化アルゴリズムのための量子エンハンス選択演算子
• Authors: David Von Dollen, Sheir Yarkoni, Daniel Weimer, Florian Neukart, Thomas B\"ack
• Abstract要約: 遺伝的アルゴリズムの選択機構において量子化演算子を用いて得られた結果について検討する。 これらの量子化アルゴリズムを古典的アルゴリズムに対してベンチマークする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Genetic algorithms have unique properties which are useful when applied to black box optimization. Using selection, crossover, and mutation operators, candidate solutions may be obtained without the need to calculate a gradient. In this work, we study results obtained from using quantum-enhanced operators within the selection mechanism of a genetic algorithm. Our approach frames the selection process as a minimization of a binary quadratic model with which we encode fitness and distance between members of a population, and we leverage a quantum annealing system to sample low energy solutions for the selection mechanism. We benchmark these quantum-enhanced algorithms against classical algorithms over various black-box objective functions, including the OneMax function, and functions from the IOHProfiler library for black-box optimization. We observe a performance gain in average number of generations to convergence for the quantum-enhanced elitist selection operator in comparison to classical on the OneMax function. We also find that the quantum-enhanced selection operator with non-elitist selection outperform benchmarks on functions with fitness perturbation from the IOHProfiler library. Additionally, we find that in the case of elitist selection, the quantum-enhanced operators outperform classical benchmarks on functions with varying degrees of dummy variables and neutrality.
• Abstract（参考訳）: 遺伝的アルゴリズムはブラックボックス最適化に適用する際に役立つユニークな特性を持つ。 選択、クロスオーバー、突然変異演算子を用いて、勾配を計算することなく候補解を得ることができる。 本研究では,遺伝的アルゴリズムの選択機構における量子エンハンス演算子を用いた結果について検討する。 提案手法では,選択過程を,集団の構成員間の適合性と距離を符号化する二元二次モデルの最小化として構成し,選択機構の低エネルギー解をサンプリングするために量子アニーリングシステムを活用する。 ブラックボックス最適化のために、OneMax関数やIOHProfilerライブラリの関数を含む様々なブラックボックス目的関数に対して、これらの量子強化アルゴリズムをベンチマークする。 我々は,量子化エリート主義選択演算子に対する収束を,OneMax関数の古典関数と比較して平均世代における性能向上を観察する。 また、IOHProfilerライブラリの適合摂動関数の非楕円選択による量子化選択演算子の性能が優れていることも見いだした。 さらに、エリート選択の場合、量子エンハンス演算子はダミー変数と中立性の程度が異なる関数の古典的なベンチマークよりも優れていることが分かる。

関連論文リスト

• Optimizing Unitary Coupled Cluster Wave Functions on Quantum Hardware: Error Bound and Resource-Efficient Optimizer [0.0]
  本稿では、量子ハードウェア上でのユニタリ結合クラスタ波関数の最適化のための射影量子固有解法(PQE)アプローチについて検討する。 このアルゴリズムはシュル・オーディンガー方程式の射影を用いて、試行状態をハミルトニアンの固有状態に効率的に近づける。 我々は,BFGS法を用いて最適化されたarXiv:2102.00345とVQEの両方で導入された最適化よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-19T15:03:59Z)
• 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)
• Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational Quantum Systems [65.268245109828]
  古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。 量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
  論文  参考訳（メタデータ） (2023-10-14T02:13:26Z)
• Quantum vs classical genetic algorithms: A numerical comparison shows faster convergence [0.0]
  いくつかの量子変種は、収束速度において全ての古典的変種よりも近い最適結果に対して優れていることを示す。 もしこの利点がより大きなシステムに当てはまるなら、量子遺伝アルゴリズムは量子コンピュータの最適化問題に対処するための新しいツールを提供するだろう。
  論文  参考訳（メタデータ） (2022-07-19T13:07:44Z)
• Variational quantum algorithm for unconstrained black box binary optimization: Application to feature selection [1.9182522142368683]
  制約のないブラックボックス二項問題の解法として,変分量子アルゴリズムを提案する。 これは最適化のための量子アルゴリズムの典型的な設定とは対照的である。 提案手法は,従来の特徴選択手法よりも競争力があり,性能も向上していることを示す。
  論文  参考訳（メタデータ） (2022-05-06T07:02:15Z)
• Quantum Approximate Optimization Algorithm Based Maximum Likelihood Detection [80.28858481461418]
  量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。 量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
  論文  参考訳（メタデータ） (2021-07-11T10:56:24Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• GEO: Enhancing Combinatorial Optimization with Classical and Quantum Generative Models [62.997667081978825]
  我々は、生成モデルとして知られる機械学習モデルを活用する新しいフレームワークを導入し、最適化問題を解決する。 我々は、テンソルネットワークマシンに依存するGEOの量子インスパイアされたバージョンに注力する。 関数呼び出し数に対する固定予算が与えられた場合、その目標が最小限の最小値を求める場合、その優れた性能を示す。
  論文  参考訳（メタデータ） (2021-01-15T18:18:38Z)
• 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)
• Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
  本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。 VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。 これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
  論文  参考訳（メタデータ） (2020-04-06T21:31:22Z)

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。