論文の概要: The Steiner Tree Problem: Novel QUBO Formulation and Quantum Annealing Implementation

• arxiv url: http://arxiv.org/abs/2603.04089v1
• Date: Wed, 04 Mar 2026 13:59:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.333392
• Title: The Steiner Tree Problem: Novel QUBO Formulation and Quantum Annealing Implementation
• Title（参考訳）: シュタイナーツリー問題:新しいQUBOの定式化と量子アニーリング実装
• Authors: Dan Li, Xiang-Hui Wu, Ji-Rong Liu,
• Abstract要約: Steiner Tree Problem (STP) は、ネットワーク設計、集積回路レイアウト、バイオインフォマティクスなどの分野に広く応用されている、よく知られたNPハード最適化問題である。 従来のアルゴリズムは、大規模なインスタンスを扱う場合、効率性とソリューション品質のバランスをとるのに苦労することが多い。
• 参考スコア（独自算出の注目度）: 2.7455927123752173
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The Steiner Tree Problem (STP) is a well-known NP-hard combinatorial optimization problem, which has wide applications in network design, integrated circuit layout, bioinformatics, and other fields. However, traditional algorithms often struggle to balance efficiency and solution quality when dealing with large-scale STP instances. In this paper, we propose a new quantum annealing-based algorithm for solving the STP: we first model the STP into a quadratic unconstrained binary optimization (QUBO) form suitable for quantum annealing, then design a corresponding encoding strategy, and finally verify the algorithm through experimental tests. The results show that our quantum annealing-based method can obtain high-quality solutions with relatively low computational overhead for moderate-scale STP instances, providing a new feasible path for handling this intractable combinatorial optimization problem.
• Abstract（参考訳）: Steiner Tree Problem (STP) は、ネットワーク設計、集積回路レイアウト、バイオインフォマティクス、その他の分野に広く応用されている、よく知られたNPハード組合せ最適化問題である。 しかしながら、従来のアルゴリズムは、大規模なSTPインスタンスを扱う場合、効率性とソリューション品質のバランスをとるのに苦労することが多い。 本稿では,まずSTPを量子アニールに適した2次非拘束バイナリ最適化(QUBO)形式にモデル化し,それに対応する符号化戦略を設計し,実験によってアルゴリズムの検証を行う。 その結果、この量子アニール法により、中規模STPインスタンスの計算オーバーヘッドが比較的低い高品質な解が得られることが示され、この難解な組合せ最適化問題に対処するための新しい実現可能な経路が提供される。

関連論文リスト

• Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
  多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。 本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。 この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
  論文  参考訳（メタデータ） (2025-10-07T17:53:02Z)
• Quantum-Efficient Reinforcement Learning Solutions for Last-Mile On-Demand Delivery [1.8262547855491453]
  時間Windowsを用いた大規模キャパシタイトピックアップ・デリバリ問題の解法を量子コンピューティングで検討する。 エンタングル層と変分層を有する新しい問題固有符号化量子回路を提案する。
  論文  参考訳（メタデータ） (2025-08-07T13:50:43Z)
• Variational Quantum Algorithm for Constrained Topology Optimization [4.067407250874754]
  制約付き位相最適化のための新しい変分量子アルゴリズムを提案する。 提案する量子アルゴリズムのゲート複雑性を解析する。 このアルゴリズムはトラス構造やMesserschmitt-B"olkow-Blohmビームなどのコンプライアンス問題で実証される。
  論文  参考訳（メタデータ） (2024-12-10T01:38:40Z)
• Quantum evolutionary algorithm for TSP combinatorial optimisation problem [0.0]
  本稿では、量子遺伝的アルゴリズム(QGA)を用いて、旅行セールスマン問題(TSP)と呼ばれる新しい問題を解決する方法を実装する。 我々は、この新しいアプローチがいかにうまく機能するかを、古典的遺伝的アルゴリズム(CGA)として知られる従来の手法と比較した。
  論文  参考訳（メタデータ） (2024-09-20T08:27:42Z)
• 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)
• Quantum Annealing and Graph Neural Networks for Solving TSP with QUBO [0.0]
  本稿では、量子アニーリングアルゴリズムとグラフニューラルネットワークによるトラベリングセールスマン問題(TSP)の解法として、二次非拘束バイナリ最適化(QUBO)モデルの適用について検討する。 TSP(QGNN-TSP)のためのグラフニューラルネットワークソリューションを導入し、問題の基盤構造を学習し、QUBOに基づく損失関数の勾配降下による競合ソリューションを生成する。
  論文  参考訳（メタデータ） (2024-02-21T05:55:00Z)
• 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)
• A quantum-inspired tensor network method for constrained combinatorial optimization problems [5.904219009974901]
  本稿では,一般に局所的に制約された最適化問題に対する量子インスパイアされたテンソルネットワークに基づくアルゴリズムを提案する。 我々のアルゴリズムは、興味のある問題に対してハミルトニアンを構築し、量子問題に効果的にマッピングする。 本研究は,本手法の有効性と応用の可能性を示すものである。
  論文  参考訳（メタデータ） (2022-03-29T05:44:07Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)
• 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。