論文の概要: Task Scheduling Optimization with Direct Constraints from a Tensor Network Perspective

• arxiv url: http://arxiv.org/abs/2311.10433v3
• Date: Mon, 04 Aug 2025 19:20:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.450236
• Title: Task Scheduling Optimization with Direct Constraints from a Tensor Network Perspective
• Title（参考訳）: テンソルネットワークから見た直接制約によるタスクスケジューリング最適化
• Authors: Alejandro Mata Ali, Iñigo Perez Delgado, Beatriz García Markaida, Aitor Moreno Fdez. de Leceta,
• Abstract要約: 本研究では,量子インスパイアされたテンソルネットワーク技術を用いた産業プラントにおけるタスク最適化手法を提案する。 計算のための3つのアルゴリズムが提示される: 主アルゴリズム、必要最小限の制約のみを加算する反復アルゴリズム、および、反復アルゴリズムと基本的な遺伝的アルゴリズムを組み合わせる遺伝的アルゴリズム。
• 参考スコア（独自算出の注目度）: 41.94295877935867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents a novel method for task optimization in industrial plants using quantum-inspired tensor network technology. This method obtains the best possible combination of tasks on a set of machines with directed constraints. With this method, an exact and explicit solution of the problem is provided. This algorithm constructs a tensor network representation of the tensor which provides the solution of the problem. This method is improved in order to reduce the computational complexity of the solution computation, using problem preprocessing, new techniques of condensation of logical constraints, optimization of the value determination technique with previously calculated results, reuse of intermediate computations, and iterative relations for constraints. Three algorithms for computation are presented: the main algorithm, the iterative algorithm which adds only the minimal amount of necessary constraints, and the genetic algorithm which combines the iterative algorithm with basic genetic algorithms. Finally, a simple version of both algorithms was implemented, and their performance was tested, all publicly available.
• Abstract（参考訳）: 本研究では,量子インスパイアされたテンソルネットワーク技術を用いた産業プラントにおけるタスク最適化手法を提案する。 本手法は,制約のあるマシンの集合上でのタスクの最適な組み合わせを求める。 この方法により、問題の正確かつ明示的な解が提供される。 このアルゴリズムはテンソルのテンソルネットワーク表現を構築し、問題の解を提供する。 本手法は,問題前処理,論理的制約の凝縮の新手法,事前計算結果による値決定手法の最適化,中間計算の再利用,制約の反復関係など,解計算の計算複雑性を低減するために改良された。 計算のための3つのアルゴリズムが提示される: 主アルゴリズム、必要最小限の制約のみを加算する反復アルゴリズム、および、反復アルゴリズムと基本的な遺伝的アルゴリズムを組み合わせる遺伝的アルゴリズム。 最後に、両方のアルゴリズムのシンプルなバージョンが実装され、そのパフォーマンスがテストされ、すべて公開されました。

関連論文リスト

• Knapsack and Shortest Path Problems Generalizations From A Quantum-Inspired Tensor Network Perspective [40.5694560588179]
  我々は、knapsackと最短経路問題を解くために、2つの量子インスピレーション付きアルゴリズムを提案する。 この方法は問題の最適解を返す正確な方程式を与える。
  論文  参考訳（メタデータ） (2025-06-13T12:27:34Z)
• Preference-Based Gradient Estimation for ML-Guided Approximate Combinatorial Optimization [15.102119312523696]
  組合せ最適化(CO)の問題は、医学、物流、製造など幅広い領域で発生する。 本研究では,CO の非学習近似アルゴリズムを学習ベースで拡張する手法を提案する。 本手法は,近似アルゴリズムをブラックボックスとして扱う新しい勾配推定法を用いて,自己教師付き方式でエンドツーエンドに学習する。
  論文  参考訳（メタデータ） (2025-02-26T18:23:07Z)
• Evolving Hard Maximum Cut Instances for Quantum Approximate Optimization Algorithms [11.930061411630442]
  Recursive Quantum Approximate Optimization Algorithm (RQAOA) などの変分量子アルゴリズムが普及している。 本研究では、ユニークなフィットネス機能を備えた進化的アルゴリズムを用いる。 このアプローチは、グラフオートエンコーダの潜在空間内のハード最大カットインスタンスをターゲットにしている。
  論文  参考訳（メタデータ） (2025-01-30T14:32:06Z)
• Local Linear Convergence of Infeasible Optimization with Orthogonal Constraints [12.414718831844041]
  効率的な代替手段として、不可能なリトラクションに基づくアプローチが提案された。 本稿では,ニューラルネットワークPL条件のみを用いたスムーズな非自由成分分析のための新しいランディングアルゴリズムを確立する。 数値実験により、ランディングアルゴリズムは、計算オーバーヘッドを大幅に削減した最先端のリトラクションベース手法と同等に動作することを示した。
  論文  参考訳（メタデータ） (2024-12-07T16:02:27Z)
• 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)
• Randomized Polar Codes for Anytime Distributed Machine Learning [66.46612460837147]
  本稿では,低速な計算ノードに対して堅牢で,線形演算の近似計算と精度の両立が可能な分散コンピューティングフレームワークを提案する。 本稿では,復号化のための計算複雑性を低く保ちながら,実数値データを扱うための逐次復号アルゴリズムを提案する。 大規模行列乗算やブラックボックス最適化など,様々な文脈において,このフレームワークの潜在的な応用を実証する。
  論文  参考訳（メタデータ） (2023-09-01T18:02:04Z)
• Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
  凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。 多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。 そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T20:11:56Z)
• Stochastic Ratios Tracking Algorithm for Large Scale Machine Learning Problems [0.7614628596146599]
  古典的なSGDフレームワークにおける適応的なステップ長選択のための新しいアルゴリズムを提案する。 妥当な条件下では、アルゴリズムは十分に確立された理論的な要件に従ってステップ長を生成する。 このアルゴリズムは,手動チューニングから得られる最良ステップ長に匹敵するステップ長を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-05-17T06:22:11Z)
• Accelerated First-Order Optimization under Nonlinear Constraints [61.98523595657983]
  我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。 これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
  論文  参考訳（メタデータ） (2023-02-01T08:50:48Z)
• A Sequential Deep Learning Algorithm for Sampled Mixed-integer Optimisation Problems [0.3867363075280544]
  混合整数最適化問題に対する2つの効率的なアルゴリズムを導入,解析する。 両アルゴリズムが最適解に対して有限時間収束を示すことを示す。 3つの数値実験により,これらのアルゴリズムの有効性を定量的に確立する。
  論文  参考訳（メタデータ） (2023-01-25T17:10:52Z)
• Quantum-Inspired Approximations to Constraint Satisfaction Problems [0.0]
  本稿では,ブールフーリエ解析の手法を用いて,構成を満たす新しいアルゴリズムを提案する。 このアプローチは、量子振幅増幅アルゴリズムに大きくインスパイアされている。 フーリエ領域の空間性によって効率よく得られる量子測定に類似した過程において、充足解を検索できることを実証する。
  論文  参考訳（メタデータ） (2022-12-08T00:40:56Z)
• AskewSGD : An Annealed interval-constrained Optimisation method to train Quantized Neural Networks [12.229154524476405]
  我々は、深層ニューラルネットワーク(DNN)を量子化重みでトレーニングするための新しいアルゴリズム、Annealed Skewed SGD - AskewSGDを開発した。 アクティブなセットと実行可能な方向を持つアルゴリズムとは異なり、AskewSGDは実行可能な全セットの下でのプロジェクションや最適化を避けている。 実験結果から,AskewSGDアルゴリズムは古典的ベンチマークの手法と同等以上の性能を示した。
  論文  参考訳（メタデータ） (2022-11-07T18:13:44Z)
• Constructing Optimal Contraction Trees for Tensor Network Quantum Circuit Simulation [1.2704529528199062]
  量子回路シミュレーションにおける重要な問題の1つは、縮退木の構築である。 本稿では,最適な縮尺木を構築するための新しい時間アルゴリズムを提案する。 提案手法は、試験された量子回路の大部分において、優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-07T02:50:30Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Optimization of Robot Trajectory Planning with Nature-Inspired and Hybrid Quantum Algorithms [0.0]
  産業規模でロボット軌道計画問題を解く。 我々のエンドツーエンドソリューションは、高度に多目的なランダムキーアルゴリズムとモデル積み重ねとアンサンブル技術を統合している。 我々は、後者が我々のより大きなパイプラインにどのように統合され、問題に対する量子対応ハイブリッドソリューションを提供するかを示す。
  論文  参考訳（メタデータ） (2022-06-08T02:38:32Z)
• A quantum-inspired tensor network method for constrained combinatorial optimization problems [5.904219009974901]
  本稿では,一般に局所的に制約された最適化問題に対する量子インスパイアされたテンソルネットワークに基づくアルゴリズムを提案する。 我々のアルゴリズムは、興味のある問題に対してハミルトニアンを構築し、量子問題に効果的にマッピングする。 本研究は,本手法の有効性と応用の可能性を示すものである。
  論文  参考訳（メタデータ） (2022-03-29T05:44:07Z)
• Simulation Paths for Quantum Circuit Simulation with Decision Diagrams [72.03286471602073]
  決定図を用いて量子回路をシミュレートする際に選択される経路の重要性について検討する。 我々は、専用のシミュレーションパスを調査できるオープンソースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-01T19:00:11Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Lagrangian Decomposition for Neural Network Verification [148.0448557991349]
  ニューラルネットワーク検証の基本的なコンポーネントは、出力が取ることのできる値のバウンダリの計算である。 ラグランジアン分解に基づく新しい手法を提案する。 ランニングタイムのごく一部で、既成の解法に匹敵するバウンダリが得られることを示す。
  論文  参考訳（メタデータ） (2020-02-24T17:55:10Z)
• Channel Assignment in Uplink Wireless Communication using Machine Learning Approach [54.012791474906514]
  本稿では,アップリンク無線通信システムにおけるチャネル割り当て問題について検討する。 我々の目標は、整数チャネル割り当て制約を受ける全ユーザの総和率を最大化することです。 計算複雑性が高いため、機械学習アプローチは計算効率のよい解を得るために用いられる。
  論文  参考訳（メタデータ） (2020-01-12T15:54:20Z)

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。