論文の概要: Multi-objective Quantum Annealing approach for solving flexible job shop
scheduling in manufacturing
- arxiv url: http://arxiv.org/abs/2311.09637v1
- Date: Thu, 16 Nov 2023 07:45:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-17 16:00:43.909374
- Title: Multi-objective Quantum Annealing approach for solving flexible job shop
scheduling in manufacturing
- Title(参考訳): 製造におけるフレキシブルなジョブショップスケジューリングのための多目的量子アニーリング手法
- Authors: Philipp Schworm, Xiangquian Wu, Matthias Klar, Moritz Glatt, Jan C.
Aurich
- Abstract要約: 本稿では、フレキシブルジョブショップスケジューリング問題に対処するため、量子アニーリングに基づく問題解決アルゴリズム(QASA)を提案する。
ベンチマーク問題の実験では、タブ検索、シミュレートされたアニーリング、量子アニーリングを組み合わせたQASAが、古典的解法アルゴリズム(CSA)のソリューション品質を上回っている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flexible Job Shop Scheduling (FJSSP) is a complex optimization problem
crucial for real-world process scheduling in manufacturing. Efficiently solving
such problems is vital for maintaining competitiveness. This paper introduces
Quantum Annealing-based solving algorithm (QASA) to address FJSSP, utilizing
quantum annealing and classical techniques. QASA optimizes multi-criterial
FJSSP considering makespan, total workload, and job priority concurrently. It
employs Hamiltonian formulation with Lagrange parameters to integrate
constraints and objectives, allowing objective prioritization through weight
assignment. To manage computational complexity, large instances are decomposed
into subproblems, and a decision logic based on bottleneck factors is used.
Experiments on benchmark problems show QASA, combining tabu search, simulated
annealing, and Quantum Annealing, outperforms a classical solving algorithm
(CSA) in solution quality (set coverage and hypervolume ratio metrics).
Computational efficiency analysis indicates QASA achieves superior Pareto
solutions with a reasonable increase in computation time compared to CSA.
- Abstract(参考訳): フレキシブルジョブショップスケジューリング(FJSSP)は、製造における実際のプロセススケジューリングに不可欠な複雑な最適化問題である。
このような問題を効率的に解くことは競争力を維持するのに不可欠である。
本稿では、量子アニーリングと古典的手法を用いて、FJSSPに対処するための量子アニーリングに基づく解法(QASA)を提案する。
QASAは、フェイスパン、トータルワークロード、ジョブ優先度を同時に考慮したマルチクリタリアルFJSSPを最適化する。
ラグランジュパラメータを用いたハミルトンの定式化を用いて制約と目的を統合し、重み付けによる客観的優先順位付けを可能にする。
計算の複雑さを管理するために、大きなインスタンスをサブプロブレムに分解し、ボトルネック要因に基づく決定論理を用いる。
ベンチマーク問題の実験では、タブ検索、シミュレートされたアニーリング、量子アニーリングを組み合わせたQASAが、古典的解法アルゴリズム(CSA)をソリューション品質(設定カバレッジとハイパーボリューム比のメトリクス)で上回っている。
計算効率解析により、QASAはCSAに比べて計算時間が合理的に増加し、優れたPareto解が得られることを示した。
関連論文リスト
- A joint optimization approach of parameterized quantum circuits with a
tensor network [0.0]
現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。
本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
論文 参考訳(メタデータ) (2024-02-19T12:53:52Z) - Assessing Quantum Computing Performance for Energy Optimization in a
Prosumer Community [1.072460284847973]
消費者問題」とは、利用者のニーズ、電力価格、地域再生可能エネルギーの可利用性に基づいて家庭の負荷をスケジューリングする問題である。
量子コンピュータは、量子演算の本質的な並列性のおかげで、この問題を扱う上で大きなブレークスルーをもたらす可能性がある。
本報告では,シミュレータと実量子ハードウェアを用いた,様々な問題サイズに対する広範な実験について報告する。
論文 参考訳(メタデータ) (2023-11-17T15:48:51Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-04T01:47:37Z) - Multi-Objective Optimization and Network Routing with Near-Term Quantum
Computers [0.2150989251218736]
我々は,多目的最適化問題を解くために,近距離量子コンピュータを応用できる手法を開発した。
量子近似最適化アルゴリズム(QAOA)に基づく実装に焦点を当てる。
論文 参考訳(メタデータ) (2023-08-16T09:22:01Z) - Quantum-Assisted Solution Paths for the Capacitated Vehicle Routing
Problem [0.0]
我々は、キャパシタントカー問題(CVRP)またはその減量版であるトラベリングセールスパーソン問題(TSP)について議論する。
今日の最も強力な古典的アルゴリズムでさえ、CVRPは古典的解決が難しい。
量子コンピューティングは、ソリューションの時間を改善する手段を提供するかもしれない。
論文 参考訳(メタデータ) (2023-04-19T13:03:50Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - 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) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳(メタデータ) (2022-01-06T21:02:30Z) - Quantum constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳(メタデータ) (2021-05-14T11:31:14Z) - 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) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳(メタデータ) (2020-03-11T13:52:41Z)
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。