論文の概要: Hybrid Approach for Solving Real-World Bin Packing Problem Instances Using Quantum Annealers

• arxiv url: http://arxiv.org/abs/2303.01977v3
• Date: Thu, 25 May 2023 15:07:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-26 20:46:45.811394
• Title: Hybrid Approach for Solving Real-World Bin Packing Problem Instances Using Quantum Annealers
• Title（参考訳）: 量子アニーラを用いた実世界のビンパッキング問題に対するハイブリッドアプローチ
• Authors: Sebasti\'an V. Romero, Eneko Osaba, Esther Villar-Rodriguez, Izaskun Oregi and Yue Ban
• Abstract要約: 実世界の3次元Bin Packing Problems(Q4RealBPP)を解くためのハイブリッド量子古典的フレームワークを提案する。 Q4RealBPPは、3dBPPの現実指向のインスタンスの解決を許可しており、産業や物流部門でよく評価されている制限について検討している。
• 参考スコア（独自算出の注目度）: 0.8434687648198277
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient packing of items into bins is a common daily task. Known as Bin Packing Problem, it has been intensively studied in the field of artificial intelligence, thanks to the wide interest from industry and logistics. Since decades, many variants have been proposed, with the three-dimensional Bin Packing Problem as the closest one to real-world use cases. We introduce a hybrid quantum-classical framework for solving real-world three-dimensional Bin Packing Problems (Q4RealBPP), considering different realistic characteristics, such as: i) package and bin dimensions, ii) overweight restrictions, iii) affinities among item categories and iv) preferences for item ordering. Q4RealBPP permits the solving of real-world oriented instances of 3dBPP, contemplating restrictions well appreciated by industrial and logistics sectors.
• Abstract（参考訳）: アイテムを箱に効率よく詰め込むのが日常的な作業である。 Bin Packing Problemとして知られ、産業や物流から幅広い関心が寄せられているため、人工知能の分野で集中的に研究されている。 数十年前から多くの変種が提案され、実世界のユースケースに最も近い3次元のBin Packing Problemが提案されている。 本稿では,実世界の3次元ビンパッキング問題(q4realbpp)を解決するためのハイブリッド量子古典フレームワークを提案する。 一 パッケージ及びビン寸法 二 太りすぎの制限、 三 商品のカテゴリー間の親和性及び 四 商品の発注の選好 Q4RealBPPは、3dBPPの現実指向のインスタンスの解決を許可し、産業や物流部門でよく評価されている制限を検討する。

関連論文リスト

• Solving a Real-World Package Delivery Routing Problem Using Quantum Annealers [0.44241702149260353]
  本研究は、量子コンピューティングとルーティング問題との連携に焦点を当てる。 本研究の主な目的は,実例を扱うための解法を提案することである。
  論文  参考訳（メタデータ） (2024-03-22T11:16:11Z)
• Machine Learning for the Multi-Dimensional Bin Packing Problem: Literature Review and Empirical Evaluation [52.560375022430236]
  Bin Packing Problem (BPP) は、よく確立された最適化(CO)問題である。 本稿では、まずBPPを定式化し、その変種と実用的制約を導入する。 次に,多次元BPPのための機械学習に関する総合的な調査を行う。
  論文  参考訳（メタデータ） (2023-12-13T12:39:25Z)
• Fast Neighborhood Search Heuristics for the Colored Bin Packing Problem [0.0]
  CBPP(Colored Bin Packing Problem)は、Bin Packing Problem(BPP)の一般化である。 CBPPは、一組のアイテムを、それぞれ重量と色で詰めて、限られた容量のビンで梱包する。 CBPPに対するBPPの適応と新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-06T04:14:11Z)
• Solving Logistic-Oriented Bin Packing Problems Through a Hybrid Quantum-Classical Approach [0.44241702149260353]
  Bin Packing Problemは、幅広い産業応用性を持つ古典的な問題である。 我々は以前公表したQ4RealBPPと呼ばれる量子古典的フレームワークを活用している。
  論文  参考訳（メタデータ） (2023-08-05T04:36:33Z)
• Convolutional Occupancy Models for Dense Packing of Complex, Novel Objects [75.54599721349037]
  実世界における密包装のための既成の計画手法と容易に組み合わせることができる完全畳み込み形状完備モデルF-CONを提案する。 シミュレーションデータセットであるCOB-3D-v2もリリースしています。 最後に、F-CONと現実世界のピック・アンド・プレイス・システムを備え、散らばったシーンで複雑で見えない物体を密集したパッキングを実演する。
  論文  参考訳（メタデータ） (2023-07-31T19:08:16Z)
• CAR: Conceptualization-Augmented Reasoner for Zero-Shot Commonsense Question Answering [56.592385613002584]
  ゼロショットコモンセンス質問応答の課題に対処するために,概念化強化推論器(CAR)を提案する。 CARは、CommonSenseの知識を多くの高レベルなインスタンスに抽象化し、CommonSenseの知識ベースの範囲を拡大する。 CARは、既存のメソッドよりも、ゼロショットのコモンセンスシナリオに関する質問に答えることにより、より堅牢に一般化する。
  論文  参考訳（メタデータ） (2023-05-24T08:21:31Z)
• Benchmark dataset and instance generator for Real-World Three-Dimensional Bin Packing Problems [1.035593890158457]
  このベンチマークは最初、量子ソルバの性能を評価するために提案された。 この一連のインスタンスの特徴は、現在の量子デバイスの制限に従って設計されている。 この記事では、量子コンピューティング研究者が現実世界のビンパッキング問題に取り組むことを奨励するベースラインを提供する。
  論文  参考訳（メタデータ） (2023-04-28T09:29:43Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
  本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。 提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。 また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
  論文  参考訳（メタデータ） (2022-08-08T08:15:34Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)
• A Generalized Reinforcement Learning Algorithm for Online 3D Bin-Packing [7.79020719611004]
  本稿では,オンライン3次元ビンパッキング問題の解法としてDeep Reinforcement Learning (Deep RL)アルゴリズムを提案する。 その焦点は、ロボットのローディングアームで物理的に実装できる意思決定を作ることだ。 実験的な競合比と容積効率の観点から,RL法は最先端のオンラインビンパッキングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-07-01T13:02:04Z)
• Public Bayesian Persuasion: Being Almost Optimal and Almost Persuasive [57.47546090379434]
  i) 任意の状態空間, (ii) 任意の行動空間, (iii) 任意の送信者のユーティリティ関数を用いて, 一般の状況下での公衆の説得問題を考察する。 任意の公的な説得問題に対して準多項式時間ビクテリア近似アルゴリズムを提案し、特定の設定でQPTASを出力する。
  論文  参考訳（メタデータ） (2020-02-12T18:59:18Z)

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。