論文の概要: Micro-mobility dispatch optimization via quantum annealing incorporating historical data

• arxiv url: http://arxiv.org/abs/2601.20887v1
• Date: Wed, 28 Jan 2026 02:19:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.352601
• Title: Micro-mobility dispatch optimization via quantum annealing incorporating historical data
• Title（参考訳）: 履歴データを考慮した量子アニール法によるマイクロモビリティディスパッチ最適化
• Authors: Takeru Goto, Masayuki Ohzeki,
• Abstract要約: 本稿では,QA(Quantum Annealer)を用いた小型移動車のための新しいディスパッチ形式を提案する。 提案する定式化では, 運用効率を向上させるために, 歴史的利用データを含む。
• 参考スコア（独自算出の注目度）: 0.7734726150561088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a novel dispatch formulation for micro-mobility vehicles using a Quantum Annealer (QA). In recent years, QA has gained increasing attention as a high-performance solver for combinatorial optimization problems. Meanwhile, micro-mobility services have been rapidly developed as a promising means of realizing efficient and sustainable urban transportation. In this study, the dispatch problem for such micro-mobility services is formulated as a Quadratic Unconstrained Binary Optimization (QUBO) problem, enabling efficient solving through QA. Furthermore, the proposed formulation incorporates historical usage data to enhance operational efficiency. Specifically, customer arrival frequencies and destination distributions are modeled into the QUBO formulation through a Bayesian approach, which guides the allocation of vacant vehicles to designated stations for waiting and charging. Simulation experiments are conducted to evaluate the effectiveness of the proposed method, with comparisons to conventional formulations such as the vehicle routing problem. Additionally, the performance of QA is compared with that of classical solvers to reveal its potential advantages for the proposed dispatch formulation. The effect of reverse annealing on improving solution quality is also investigated.
• Abstract（参考訳）: 本稿では,Quantum Annealer (QA) を用いたマイクロモビリティ車両のための新しいディスパッチ形式を提案する。 近年,組合せ最適化問題に対する高性能な解法として,QAが注目されている。 一方、効率的な持続可能な都市交通を実現する手段として、マイクロモビリティサービスが急速に発展してきた。 本研究では,このようなマイクロモビリティサービスのディスパッチ問題を準拘束的二元最適化(QUBO)問題として定式化し,QAによる効率的な解法を実現する。 さらに, 運用効率を向上させるために, 歴史的利用データを組み込んだ定式化を行った。 具体的には、顧客到着頻度と目的地分布をベイジアンアプローチによりQUBOの定式化にモデル化し、空き車の待機と充電のための指定駅への割り当てを誘導する。 提案手法の有効性を評価するためのシミュレーション実験を行い, 車両経路問題などの従来の定式化との比較を行った。 さらに、QAの性能を古典的解法と比較し、提案したディスパッチ定式化の潜在的な利点を明らかにする。 また, 逆熱処理が溶液品質改善に及ぼす影響についても検討した。

関連論文リスト

• PASS-Enhanced MEC: Joint Optimization of Task Offloading and Uplink PASS Beamforming [67.78883135636657]
  ピンチアンテナシステム (PASS) によるモバイルエッジコンピューティング (MEC) アーキテクチャについて検討した。 PASSは、重要な経路損失と潜在的な信号遮断を効果的に軽減しつつ、短距離ライン・オブ・ライト(LoS)リンクを確立する。 ネットワーク遅延最小化問題を定式化し、アップリンクPASSビームフォーミングとタスクオフロードを共同で最適化する。
  論文  参考訳（メタデータ） (2025-10-27T03:04:46Z)
• Joint Optimization of Electric Vehicle Routes and Charging Locations Learning Charge Constraints Using QUBO Solver [5.616693462159185]
  充電ステーションの位置と電気自動車(EV)のルーティングの協調最適化に焦点をあてる。 本稿では,ベイズ推論とQUBOソルバを用いた逐次最適化手法を提案し,バッテリ容量の制約を自動的に学習する。 この手法を20箇所のルーティング問題に適用することにより,学習プロセスが良好に動作し,効率的な探索によって優れた解が見つかることを確認した。
  論文  参考訳（メタデータ） (2025-06-05T07:08:19Z)
• Preference Optimization for Combinatorial Optimization Problems [54.87466279363487]
  強化学習(Reinforcement Learning, RL)は、ニューラルネットワーク最適化のための強力なツールとして登場した。 大幅な進歩にもかかわらず、既存のRLアプローチは報酬信号の減少や大規模な行動空間における非効率な探索といった課題に直面している。 統計的比較モデルを用いて定量的報酬信号を定性的選好信号に変換する新しい手法であるPreference Optimizationを提案する。
  論文  参考訳（メタデータ） (2025-05-13T16:47:00Z)
• Preventing Local Pitfalls in Vector Quantization via Optimal Transport [77.15924044466976]
  我々はシンクホーンアルゴリズムを用いて最適な輸送問題を最適化する新しいベクトル量子化法であるOptVQを紹介する。 画像再構成タスクの実験では,OptVQが100%のコードブック利用を実現し,現在最先端のVQNを超越していることが示された。
  論文  参考訳（メタデータ） (2024-12-19T18:58:14Z)
• Optimization of Flight Routes: Quantum Approximate Optimization Algorithm for the Tail Assignment Problem [0.0]
  TAP(Tail Assignment Problem)は、航空会社の運用において重要な最適化課題である。 この研究は、量子近似最適化アルゴリズム(QAOA)をTAPに適用する。 この分析は量子ハードウェアの現在の限界を明らかにしているが、技術が進歩するにつれて潜在的な利点が示唆される。
  論文  参考訳（メタデータ） (2024-12-17T10:35:26Z)
• 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)
• A Feasibility-Preserved Quantum Approximate Solver for the Capacitated Vehicle Routing Problem [3.0567007573383678]
  CVRP(Capacitated Vehicle Routing Problem)は、輸送や物流など様々な分野で発生するNP最適化問題である。 本稿では,CVRPの車両容量制約を回避できる最短経路を最小化する目的機能を備えた,CVRP用の新しいバイナリエンコーディングを提案する。 本稿では,量子交換演算子Ansatzの変種に基づく符号化の有効性について論じる。
  論文  参考訳（メタデータ） (2023-08-17T05:14:43Z)
• 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)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

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。