論文の概要: A Quantum Annealing Approach for Solving Optimal Feature Selection and Next Release Problems
- arxiv url: http://arxiv.org/abs/2506.14129v2
- Date: Sat, 28 Jun 2025 09:28:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 15:08:39.75029
- Title: A Quantum Annealing Approach for Solving Optimal Feature Selection and Next Release Problems
- Title(参考訳): 最適特徴選択の量子アニーリングによる解法と次回リリース問題
- Authors: Shuchang Wang, Xiaopeng Qiu, Yingxing Xue, Yanfu Li, Wei Yang,
- Abstract要約: サブルーチンとして量子アニーリングを導入し,多目的検索に基づくソフトウェア工学の問題に取り組む。
小規模な問題に対して、量子処理のためのペナルティベースのマッピングを用いて、多目的最適化(MOO)を単目的最適化(SOO)として再構成する。
大規模問題に対しては,局所探索効率を高めるために,最大エネルギー衝突(MEI)を最急降下法で導いた分解戦略を用いる。
- 参考スコア(独自算出の注目度): 6.600113809039099
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Search-based software engineering (SBSE) addresses critical optimization challenges in software engineering, including the next release problem (NRP) and feature selection problem (FSP). While traditional heuristic approaches and integer linear programming (ILP) methods have demonstrated efficacy for small to medium-scale problems, their scalability to large-scale instances remains unknown. Here, we introduce quantum annealing (QA) as a subroutine to tackling multi-objective SBSE problems, leveraging the computational potential of quantum systems. We propose two QA-based algorithms tailored to different problem scales. For small-scale problems, we reformulate multi-objective optimization (MOO) as single-objective optimization (SOO) using penalty-based mappings for quantum processing. For large-scale problems, we employ a decomposition strategy guided by maximum energy impact (MEI), integrating QA with a steepest descent method to enhance local search efficiency. Applied to NRP and FSP, our approaches are benchmarked against the heuristic NSGA-II and the ILP-based $\epsilon$-constraint method. Experimental results reveal that while our methods produce fewer non-dominated solutions than $\epsilon$-constraint, they achieve significant reductions in execution time. Moreover, compared to NSGA-II, our methods deliver more non-dominated solutions with superior computational efficiency. These findings underscore the potential of QA in advancing scalable and efficient solutions for SBSE challenges.
- Abstract(参考訳): 検索ベースのソフトウェアエンジニアリング(SBSE)は、次のリリース問題(NRP)や機能選択問題(FSP)など、ソフトウェアエンジニアリングにおける重要な最適化課題に対処する。
従来のヒューリスティックなアプローチと整数線形プログラミング(ILP)手法は、中小規模の問題に対して有効性を示したが、大規模インスタンスへのスケーラビリティはいまだに不明である。
本稿では,多目的SBSE問題に対処するためのサブルーチンとして量子アニーリング(QA)を導入し,量子システムの計算ポテンシャルを活用する。
異なる問題尺度に合わせた2つのQAベースのアルゴリズムを提案する。
小規模な問題に対して、量子処理のためのペナルティベースのマッピングを用いて、多目的最適化(MOO)を単目的最適化(SOO)として再構成する。
大規模問題に対しては,最大エネルギー衝撃(MEI)によって導かれる分解戦略を採用し,局所探索効率を高めるために,QAを最急降下法と統合する。
NRP と FSP に応用し,本手法をヒューリスティックな NSGA-II と ILP ベースの $\epsilon$-constraint 法と比較した。
実験結果から,本手法は$\epsilon$-constraintよりも非支配的ソリューションが少ないが,実行時間の大幅な削減を実現していることがわかった。
さらに,NSGA-IIと比較して,計算効率に優れた非支配的ソリューションを提供する。
これらの結果は、SBSE課題に対するスケーラブルで効率的なソリューションの進化におけるQAの可能性を強調している。
関連論文リスト
- SCOOP: A Quantum-Computing Framework for Constrained Combinatorial Optimization [0.0]
本稿では,制約付き最適化問題を解くための新しいフレームワークSCOOPを提案する。
SCOOPは制約付き問題を制約なしのものに変換し、SCOOP問題ツインを形成する。
本稿では,3つのNP-hard問題,最小支配集合,最小最大マッチング,最小集合被覆の枠組みを実証する。
論文 参考訳(メタデータ) (2025-04-15T06:17:23Z) - A Comparative Study of Quantum Optimization Techniques for Solving Combinatorial Optimization Benchmark Problems [4.266376725904727]
本稿では,NP-hard問題に対する量子最適化手法の評価を目的とした,包括的なベンチマークフレームワークを提案する。
本フレームワークは,多次元クナップサック問題(MDKP),最大独立集合(MIS),二次割当問題(QAP),市場シェア問題(MSP)など,主要な課題に重点を置いている。
論文 参考訳(メタデータ) (2025-03-15T13:02:22Z) - 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) - 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) - Multiobjective variational quantum optimization for constrained
problems: an application to Cash Management [45.82374977939355]
本稿では,変分量子アルゴリズムを用いた制約付き最適化問題の解法を提案する。
我々は、キャッシュマネジメント問題という、金融の極めて関連性の高い現実世界の問題について、我々の提案を検証した。
実験の結果, 実現したソリューションのコスト, 特に局所最小値の回避に関して, 大幅な改善が見られた。
論文 参考訳(メタデータ) (2023-02-08T17:09:20Z) - Constrained Optimization via Quantum Zeno Dynamics [23.391640416533455]
量子ゼノダイナミクスを用いて、不等式を含む複数の任意の制約で最適化問題を解く手法を提案する。
量子最適化のダイナミクスは、フォールトトレラントな量子コンピュータ上の制約内部分空間に効率的に制限できることを示す。
論文 参考訳(メタデータ) (2022-09-29T18:00:40Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳(メタデータ) (2022-08-29T15:24:03Z) - ARES: An Efficient Algorithm with Recurrent Evaluation and Sampling-Driven Inference for Maximum Independent Set [48.57120672468062]
本稿では、2つの革新的な手法を取り入れたMIS問題に対する効率的なアルゴリズムを提案する。
提案アルゴリズムは、解の質、計算効率、安定性の点で最先端のアルゴリズムより優れている。
論文 参考訳(メタデータ) (2022-08-16T14:39:38Z) - 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) - 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)
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。