論文の概要: Automatic Conversion of MiniZinc Programs to QUBO
- arxiv url: http://arxiv.org/abs/2307.10032v1
- Date: Wed, 19 Jul 2023 15:16:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-20 13:39:17.895689
- Title: Automatic Conversion of MiniZinc Programs to QUBO
- Title(参考訳): MiniZincプログラムのQUBOへの自動変換
- Authors: Armin Wolf and Cristian Grozea
- Abstract要約: 我々は、大規模な最適化問題と満足度問題をどのように処理し、それらを同等のQUBOに変換し、プロセス全体を効果的に最適化するかを示す。
本稿では,MiniZincからQUBOへの自動変換器をベースとして,制約の最適化と満足度の問題の集合を処理し,それらを等価なQUBOに変換し,プロセス全体を効果的に最適化する。
- 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: Obtaining Quadratic Unconstrained Binary Optimisation models for various
optimisation problems, in order to solve those on physical quantum computers
(such as the the DWave annealers) is nowadays a lengthy and tedious process
that requires one to remodel all problem variables as binary variables and
squeeze the target function and the constraints into a single quadratic
polynomial into these new variables.
We report here on the basis of our automatic converter from MiniZinc to QUBO,
which is able to process a large set of constraint optimisation and constraint
satisfaction problems and turn them into equivalent QUBOs, effectively
optimising the whole process.
- Abstract(参考訳): 様々な最適化問題に対する二項最適化モデルを得るため、物理的量子コンピュータ(例えば dwave annealers)で解くために、今日では、すべての問題変数を二項変数としてリモデリングし、対象関数と制約をこれら新しい変数に1つの二次多項式に絞り込む必要がある、長く退屈なプロセスである。
本稿では,MiniZincからQUBOへの自動変換器をベースとして,制約最適化と制約満足度問題を大幅に処理し,それらを等価なQUBOに変換し,プロセス全体を効果的に最適化する。
関連論文リスト
- Towards an Automatic Framework for Solving Optimization Problems with Quantum Computers [2.9730678241643815]
従来の最適化問題を量子解法に自動的に変換するフレームワークが提案されている。
このフレームワークは、ソリューションの妥当性と品質を分析するための手段を提供する。
これは量子コンピューティングソリューションの自動化に向けた大きな進歩を表している。
論文 参考訳(メタデータ) (2024-06-18T17:56:10Z) - Polynomial Reduction Methods and their Impact on QAOA Circuits [2.4588375162098877]
量子最適化のために、高次問題定式化が、異なる所望の非機能特性を活用するためにどのように使用できるかを示す。
本研究は,本手法がさまざまなトレードオフを満足できることを示すとともに,今後の汎用抽象概念の構築の可能性も示唆している。
論文 参考訳(メタデータ) (2024-06-13T07:43:18Z) - Optimized QUBO formulation methods for quantum computing [0.4999814847776097]
実世界の金融シナリオにインスパイアされたNPハード最適化問題に対して,我々の手法を適用する方法について述べる。
2つのD波量子異方体にこの問題の事例を提出し、これらのシナリオで使用される標準手法と新しい手法の性能を比較した。
論文 参考訳(メタデータ) (2024-06-11T19:59:05Z) - Numerical Methods for Convex Multistage Stochastic Optimization [86.45244607927732]
最適化プログラミング(SP)、最適制御(SOC)、決定プロセス(MDP)に焦点を当てる。
凸多段マルコフ問題の解決の最近の進歩は、動的プログラミング方程式のコスト対ゴー関数の切断面近似に基づいている。
切削平面型法は多段階問題を多段階的に扱えるが、状態(決定)変数は比較的少ない。
論文 参考訳(メタデータ) (2023-03-28T01:30:40Z) - Symmetric Tensor Networks for Generative Modeling and Constrained
Combinatorial Optimization [72.41480594026815]
ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。
これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。
本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
論文 参考訳(メタデータ) (2022-11-16T18:59:54Z) - 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) - Neural Stochastic Dual Dynamic Programming [99.80617899593526]
我々は、問題インスタンスを断片的線形値関数にマッピングすることを学ぶトレーニング可能なニューラルモデルを導入する。
$nu$-SDDPは、ソリューションの品質を犠牲にすることなく、問題解決コストを大幅に削減できる。
論文 参考訳(メタデータ) (2021-12-01T22:55:23Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳(メタデータ) (2021-05-06T02:22:23Z) - Modeling Linear Inequality Constraints in Quadratic Binary Optimization
for Variational Quantum Eigensolver [0.0]
本稿では, 変分量子固有解法における配向型変分形式の利用について紹介する。
通常、いくつかの最適化問題に現れる4つの制約がモデル化されている。
提案手法の主な利点は、変分形式のパラメータの数が一定であることである。
論文 参考訳(メタデータ) (2020-07-26T23:36:22Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2020-07-14T12:38:21Z) - Conditional gradient methods for stochastically constrained convex
minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。
私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。
提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文 参考訳(メタデータ) (2020-07-07T21:26:35Z)
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。