論文の概要: A Genetic Quantum Annealing Algorithm

• arxiv url: http://arxiv.org/abs/2209.07455v1
• Date: Thu, 15 Sep 2022 16:59:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-16 12:45:16.839761
• Title: A Genetic Quantum Annealing Algorithm
• Title（参考訳）: 遺伝的量子アニーリングアルゴリズム
• Authors: Steven Abel, Luca A. Nutricati, Michael Spannowsky
• Abstract要約: 遺伝的アルゴリズム(英: genetic algorithm, GA)は、遺伝的・自然選択の原理に基づく探索に基づく最適化手法である。 本稿では,量子アニールからの入力により古典的GAを向上するアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A genetic algorithm (GA) is a search-based optimization technique based on the principles of Genetics and Natural Selection. We present an algorithm which enhances the classical GA with input from quantum annealers. As in a classical GA, the algorithm works by breeding a population of possible solutions based on their fitness. However, the population of individuals is defined by the continuous couplings on the quantum annealer, which then give rise via quantum annealing to the set of corresponding phenotypes that represent attempted solutions. This introduces a form of directed mutation into the algorithm that can enhance its performance in various ways. Two crucial enhancements come from the continuous couplings having strengths that are inherited from the fitness of the parents (so-called nepotism) and from the annealer couplings allowing the entire population to be influenced by the fittest individuals (so-called quantum-polyandry). We find our algorithm to be significantly more powerful on several simple problems than a classical GA.
• Abstract（参考訳）: 遺伝的アルゴリズム(英: genetic algorithm, GA)は、遺伝的・自然選択の原理に基づく探索に基づく最適化手法である。 量子アニールからの入力により古典的GAを高めるアルゴリズムを提案する。 古典的なgaと同様、アルゴリズムは適合性に基づいて可能な解の集団を育むことで機能する。 しかし、個体の集団は量子アニールラー上の連続的なカップリングによって定義され、量子アニールにより、試行された解を表す対応する表現型の集合に上昇する。 これはアルゴリズムに有向突然変異の形式を導入し、様々な方法でその性能を高めることができる。 2つの重要な拡張は、親の適合性(いわゆるネポティズム)から受け継がれた強みを持つ連続的な結合と、人口全体が最も適した個人(いわゆる量子ポリアンドリー)の影響を受けるアニーラーカップリングによるものである。 我々のアルゴリズムは、古典的なGAよりも、いくつかの単純な問題においてはるかに強力である。

関連論文リスト

• Quantum-Inspired Genetic Algorithm for Designing Planar Multilayer Photonic Structure [40.27913742030096]
  量子アルゴリズムは、機能性材料の設計における新しいツールである。 量子コンピューティングリソースの高価格と成長するコンピューティングニーズのバランスをとる方法は、解決すべき緊急の問題となっている。 改良された量子遺伝的アルゴリズム(QGA)と機械学習サロゲートモデル回帰を組み合わせた能動的学習方式に基づく新しい最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-05-08T03:03:10Z)
• Modified Multiple Sequence Alignment Algorithm on Quantum Annealers (MAQ) [0.0]
  本稿では,生物情報学と遺伝的シークエンシングの分野に応用した量子アニールに対する改良型MSAアルゴリズムを提案する。 我々は、アルゴリズムにより多くの量子複素数を導入しながら、スピン使用率の線形化を達成するために、プログレッシブアライメント手法を適用した。
  論文  参考訳（メタデータ） (2024-03-24T01:57:38Z)
• 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)
• Evaluating Genetic Algorithms through the Approximability Hierarchy [55.938644481736446]
  本稿では,問題の近似クラスに依存する遺伝的アルゴリズムの有用性を解析する。 特に, 遺伝的アルゴリズムは階層の最も悲観的なクラスに特に有用であることを示す。
  論文  参考訳（メタデータ） (2024-02-01T09:18:34Z)
• Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic Algorithm for Solving Combinatorial Optimization Problems [1.8434042562191815]
  遺伝的アルゴリズム(GA)は最適化問題の解法における効率性で知られている。 本稿では遺伝子工学の概念からインスピレーションを得るため,遺伝子工学アルゴリズム(GEA)と呼ばれる新しいメタヒューリスティックアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-28T13:05:30Z)
• 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)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• Quantum Genetic Algorithm with Individuals in Multiple Registers [0.0]
  本稿では,サブルーチンに基づく量子遺伝的アルゴリズムを提案する。 この独特な体系化により、遺伝的アルゴリズムを特徴付ける基本的な要素をすべて記述できる。 量子可観測体の生物模倣的クローニングとブヴ・ゼク・ヒラーイ普遍量子クローニングマシンの2つのパラダイム例について検討する。
  論文  参考訳（メタデータ） (2022-03-28T19:05:03Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
  論文  参考訳（メタデータ） (2022-03-01T19:47:16Z)
• Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
  両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。 目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
  論文  参考訳（メタデータ） (2021-10-18T14:00:22Z)
• A Rank based Adaptive Mutation in Genetic Algorithm [0.0]
  本稿では,染色体ランクを用いた突然変異確率生成の代替手法を提案する。 単純な遺伝的アルゴリズム(SGA)と一定の突然変異確率と限られた資源制約内での適応的アプローチとの比較実験を行った。
  論文  参考訳（メタデータ） (2021-04-18T12:41:33Z)

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。