論文の概要: Enhancing Variational Quantum Algorithms for Multicriteria Optimization

• arxiv url: http://arxiv.org/abs/2506.22159v1
• Date: Fri, 27 Jun 2025 12:15:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.194279
• Title: Enhancing Variational Quantum Algorithms for Multicriteria Optimization
• Title（参考訳）: 多基準最適化のための変分量子アルゴリズムの強化
• Authors: Ivica Turkalj, Tom Ewen, Pascal Halffmann, Janik Maciejewski, Michael Trebing, Zakaria Abdelmoiz Dahi,
• Abstract要約: 本稿では,変分量子アルゴリズムの分野への2つの重要な貢献を紹介する。 まず、VQAのパラメータ最適化タスクを多重基準問題として再構成する。 次に,超体積型コスト関数をカバレッジ指向の指標で拡張する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.19791587637442667
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents methodological improvements to variational quantum algorithms (VQAs) for solving multicriteria optimization problems. We introduce two key contributions. First, we reformulate the parameter optimization task of VQAs as a multicriteria problem, enabling the direct use of classical algorithms from various multicriteria metaheuristics. This hybrid framework outperforms the corresponding single-criteria VQAs in both average and worst-case performance across diverse benchmark problems. Second, we propose a method that augments the hypervolume-based cost function with coverage-oriented indicators, allowing explicit control over the diversity of the resulting Pareto front approximations. Experimental results show that our method can improve coverage by up to 40\% with minimal loss in hypervolume. Our findings highlight the potential of combining quantum variational methods with classical population-based search to advance practical quantum optimization.
• Abstract（参考訳）: 本稿では,多基準最適化問題の解法として,変分量子アルゴリズム(VQA)の方法論的改善を提案する。 2つの重要なコントリビューションを紹介します。 まず,VQAのパラメータ最適化タスクをマルチクリテリア問題として再設計し,様々なマルチクリテリアメタヒューリスティクスから古典的アルゴリズムを直接利用できるようにした。 このハイブリッドフレームワークは、様々なベンチマーク問題における平均および最悪のパフォーマンスにおいて、対応する単一基準VQAよりも優れています。 第2に,超体積型コスト関数をカバレッジ指向の指標で拡張し,その結果のParetoフロント近似の多様性を明示的に制御する手法を提案する。 実験の結果,ハイパーボリュームの損失を最小限に抑えながら,最大40 %までカバー範囲を改善できることがわかった。 本研究は, 量子変分法と古典的集団探索を組み合わせ, 実用的な量子最適化を推し進める可能性を明らかにするものである。

関連論文リスト

• 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)
• Benchmarking Metaheuristic-Integrated QAOA against Quantum Annealing [0.0]
  この研究は、異なる問題領域にわたる量子アニーリングとメタヒューリスティック統合QAOAの長所と短所に関する洞察を提供する。 その結果,ハイブリッド手法は古典的最適化手法を利用してQAOAの解品質と収束速度を向上させることが示唆された。
  論文  参考訳（メタデータ） (2023-09-28T18:55:22Z)
• 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)
• Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
  両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。 目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
  論文  参考訳（メタデータ） (2021-10-18T14:00:22Z)
• 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)
• 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)
• Multi-Task Multicriteria Hyperparameter Optimization [77.34726150561087]
  この記事は最適なハイパーパラメータを選択する問題に関する数学的定式化から始まる。 この問題を解決するMTMC法の手順を述べる。 提案手法は畳み込みニューラルネットワークを用いて画像分類問題に対して評価する。
  論文  参考訳（メタデータ） (2020-02-15T12:47:53Z)

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。