論文の概要: Hybrid Quantum-Classical Optimisation of Traveling Salesperson Problem
- arxiv url: http://arxiv.org/abs/2503.00219v1
- Date: Fri, 28 Feb 2025 22:07:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:14:58.632273
- Title: Hybrid Quantum-Classical Optimisation of Traveling Salesperson Problem
- Title（参考訳）: 旅行セールスパーソン問題のハイブリッド量子-古典的最適化
- Authors: Christos Lytrosyngounis, Ioannis Lytrosyngounis,
- Abstract要約: トラベリングセールスパーソン問題(TSP)は基本的なNPハード最適化問題である。
量子最適化技術と古典的機械学習手法を統合するハイブリッド量子古典的手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The Traveling Salesperson Problem (TSP) is a fundamental NP-hard optimisation challenge with widespread applications in logistics, operations research, and network design. While classical algorithms effectively solve small to medium-sized instances, they struggle with scalability due to exponential complexity. In this work, we present a hybrid quantum-classical approach that leverages IBM's Qiskit Runtime to integrate quantum optimisation techniques with classical machine learning methods, specifically K-Means clustering and Random Forest classifiers. These machine learning components aid in problem decomposition and noise mitigation, improving the quality of quantum solutions. Experimental results for TSP instances ranging from 4 to 8 cities reveal that the quantum-only approach produces solutions up to 21.7% worse than the classical baseline, while the hybrid method reduces this cost increase to 11.3% for 8 cities. This demonstrates that hybrid approaches improve solution quality compared to purely quantum methods but remain suboptimal compared to classical solvers. Despite current hardware limitations, these results highlight the potential of quantum-enhanced methods for combinatorial optimisation, paving the way for future advancements in scalable quantum computing frameworks.
- Abstract（参考訳）: トラベリングセールスパーソン問題(TSP)は、物流、運用研究、ネットワーク設計に広く応用されたNPハード最適化の基本的な課題である。
古典的なアルゴリズムは、小規模から中規模のインスタンスを効果的に解決するが、指数複雑性のためにスケーラビリティに苦しむ。
本稿では、IBMのQiskit Runtimeを利用して量子最適化技術と古典的機械学習手法、特にK-Meansクラスタリングとランダムフォレスト分類器を統合するハイブリッド量子古典的アプローチを提案する。
これらの機械学習コンポーネントは、問題の分解とノイズ軽減を支援し、量子ソリューションの品質を向上させる。
4つの都市から8つの都市にまたがるTSPインスタンスの実験結果から、量子のみのアプローチは古典的なベースラインよりも21.7%悪いソリューションを生み出し、ハイブリッド方式では8つの都市で11.3%のコストを削減した。
このことは、ハイブリッドアプローチは純粋に量子的手法よりも解の質を改善するが、古典的な解法に比べて最適ではないことを示している。
現在のハードウェアの限界にもかかわらず、これらの結果は組合せ最適化のための量子強化手法の可能性を強調し、スケーラブルな量子コンピューティングフレームワークにおける将来の進歩の道を開く。
関連論文リスト
- Quantum Subroutines in Branch-Price-and-Cut for Vehicle Routing [0.0]
この研究で、限られた資源を持つ量子がNPハード問題に対する大規模な正確な最適化アルゴリズムにどのように統合できるかを実証する。
我々のアルゴリズムの重要な特徴は、量子によって返される最良の解からではなく、あるコスト閾値以下の全ての解から得られることである。
論文 参考訳（メタデータ） (2024-12-20T08:27:23Z) - A Monte Carlo Tree Search approach to QAOA: finding a needle in the haystack [0.0]
変分量子アルゴリズム(VQA)は、短期量子ハードウェアの限られた能力に対応するために設計された、ハイブリッド量子古典法の一種である。
本稿では,正規パラメータパターンの活用が決定木構造に深く影響し,フレキシブルかつノイズ耐性のある最適化戦略を可能にすることを示す。
論文 参考訳（メタデータ） (2024-08-22T18:00:02Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Solving non-native combinatorial optimization problems using hybrid
quantum-classical algorithms [0.0]
組合せ最適化は、物流から金融まで幅広い分野に適用可能な、困難な問題である。
量子コンピューティングは、様々なアルゴリズムを用いてこれらの問題を解決するために使われてきた。
この研究は、量子と古典のリソースをハイブリッドなアプローチで統合することで、これらの課題を克服する枠組みを提示している。
論文 参考訳（メタデータ） (2024-03-05T17:46:04Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Formulation of the Electric Vehicle Charging and Routing Problem for a
Hybrid Quantum-Classical Search Space Reduction Heuristic [0.0]
制約付き量子最適化アルゴリズムの構築において、量子情報の多レベルキャリア -- 量子ビット -- をどのように活用するかを示す。
本稿では,制約付き解をサンプリングし,探索空間を大幅に削減するハイブリッド古典量子戦略を提案する。
論文 参考訳（メタデータ） (2023-06-07T13:16:15Z) - 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) - Adapting Quantum Approximation Optimization Algorithm (QAOA) for Unit
Commitment [2.8060379263058794]
ユニットコミットと呼ばれる電力系統最適化問題に対して,ハイブリッド量子古典アルゴリズムを定式化し,適用する。
提案アルゴリズムは、量子近似最適化アルゴリズム(QAOA)を古典最小値で拡張し、混合二元最適化をサポートする。
提案手法は,400個の発電ユニット未満のシミュレーション単位コミットに対して,古典的解法が有効であることを示す。
論文 参考訳（メタデータ） (2021-10-25T03:37:34Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - 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。