論文の概要: Quantum Inspired Chaotic Salp Swarm Optimization for Dynamic Optimization
- arxiv url: http://arxiv.org/abs/2402.16863v1
- Date: Sun, 21 Jan 2024 02:59:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 07:09:00.290457
- Title: Quantum Inspired Chaotic Salp Swarm Optimization for Dynamic Optimization
- Title（参考訳）: 量子インスパイアされたカオスサルプ群最適化と動的最適化
- Authors: Sanjai Pathak, Ashish Mani, Mayank Sharma, Amlan Chatterjee,
- Abstract要約: 我々は量子コンピューティングの原理を統合するQSSOとして知られるSSAの変種について研究する。
カオス演算子は、変化への対応と個々の検索可能性の向上を保証するために量子コンピューティングで使用される。
約束通り、導入されたQCSSOは、DOPのライバルアルゴリズムとして発見される。
- 参考スコア（独自算出の注目度）: 4.44483539967295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many real-world problems are dynamic optimization problems that are unknown beforehand. In practice, unpredictable events such as the arrival of new jobs, due date changes, and reservation cancellations, changes in parameters or constraints make the search environment dynamic. Many algorithms are designed to deal with stationary optimization problems, but these algorithms do not face dynamic optimization problems or manage them correctly. Although some optimization algorithms are proposed to deal with the changes in dynamic environments differently, there are still areas of improvement in existing algorithms due to limitations or drawbacks, especially in terms of locating and following the previously identified optima. With this in mind, we studied a variant of SSA known as QSSO, which integrates the principles of quantum computing. An attempt is made to improve the overall performance of standard SSA to deal with the dynamic environment effectively by locating and tracking the global optima for DOPs. This work is an extension of the proposed new algorithm QSSO, known as the Quantum-inspired Chaotic Salp Swarm Optimization (QCSSO) Algorithm, which details the various approaches considered while solving DOPs. A chaotic operator is employed with quantum computing to respond to change and guarantee to increase individual searchability by improving population diversity and the speed at which the algorithm converges. We experimented by evaluating QCSSO on a well-known generalized dynamic benchmark problem (GDBG) provided for CEC 2009, followed by a comparative numerical study with well-regarded algorithms. As promised, the introduced QCSSO is discovered as the rival algorithm for DOPs.
- Abstract（参考訳）: 多くの実世界の問題は、事前に未知の動的最適化問題である。
実際には、新しいジョブの到着、予定日の変更、予約キャンセル、パラメータの変更や制約などの予測不可能なイベントは、探索環境を動的にする。
多くのアルゴリズムは定常最適化問題に対処するように設計されているが、これらのアルゴリズムは動的最適化問題に直面したり、それらを正しく管理したりしない。
いくつかの最適化アルゴリズムは、動的環境の変化に異なる方法で対処するために提案されているが、既存のアルゴリズムは、制限や欠点、特に以前同定されたオプティマの位置と追従に関して、まだ改善されている。
このことを念頭に、量子コンピューティングの原理を統合するQSSOとして知られるSSAの変種について検討した。
DOPのグローバルな最適点の探索と追跡によって、動的環境を効果的に扱うための標準SSAの全体的な性能を改善する試みがなされた。
この研究は、量子インスパイアされたカオスサルプ群最適化(QCSSO)アルゴリズムとして知られる、提案された新しいアルゴリズムQSSOの拡張である。
カオス演算子は、個体数の多様性とアルゴリズムが収束する速度を改善することにより、変化への対応と個々の探索可能性の向上を保証するために量子コンピューティングに使用される。
我々は、CEC 2009 に提供されるよく知られた一般化された動的ベンチマーク問題 (GDBG) について、QCSSO の評価実験を行った。
約束通り、導入されたQCSSOは、DOPのライバルアルゴリズムとして発見される。
関連論文リスト
- A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳（メタデータ） (2023-06-15T15:28:12Z) - A Comparative Study On Solving Optimization Problems With Exponentially
Fewer Qubits [0.0]
変分量子固有解法(VQE)に基づくアルゴリズムの評価と改良を行った。
我々は,問題を変分アンサッツにエンコードすることで生じる数値不安定性を強調する。
より少ないイテレーションでアンザッツの基底状態を求めるための古典的な最適化手法を提案する。
論文 参考訳（メタデータ） (2022-10-21T08:54:12Z) - Monte Carlo Tree Search based Hybrid Optimization of Variational Quantum
Circuits [7.08228773002332]
我々はMCTS-QAOAと呼ばれる新しい変分量子アルゴリズムを提案する。
モンテカルロ木探索法と改良された自然ポリシー勾配解法を組み合わせて、量子回路内の離散変数と連続変数を最適化する。
MCTS-QAOAは耐雑音性に優れ、一般化QAOAの挑戦事例において先行アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2022-03-30T23:15:21Z) - Performance comparison of optimization methods on variational quantum
algorithms [2.690135599539986]
変分量子アルゴリズム(VQA)は、学術・工業研究への応用に短期的な量子ハードウェアを使用するための有望な道を提供する。
SLSQP, COBYLA, CMA-ES, SPSAの4つの最適化手法の性能について検討した。
論文 参考訳（メタデータ） (2021-11-26T12:13:20Z) - Quantum variational optimization: The role of entanglement and problem
hardness [0.0]
本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。
数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。
リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
論文 参考訳（メタデータ） (2021-03-26T14:06:54Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z) - 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) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。