論文の概要: Reducing Complexity for Quantum Approaches in Train Load Optimization

• arxiv url: http://arxiv.org/abs/2603.29543v1
• Date: Tue, 31 Mar 2026 10:24:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.546567
• Title: Reducing Complexity for Quantum Approaches in Train Load Optimization
• Title（参考訳）: 列車負荷最適化における量子アプローチの複雑さ低減
• Authors: Zhijie Tang, Albert Nieto-Morales, Arit Kumar Bishwas,
• Abstract要約: 列車負荷最適化(TLO)問題に対して,革新的でコンパクトな数学的定式化を導入する。 この新しいアプローチは、専用の再処理変数とその関連する制約を回避するのに役立つ。 本稿では,変数数と制約数の有意な減少を解析的に示すため,従来のモデルとの比較を行う。
• 参考スコア（独自算出の注目度）: 3.1943237210237565
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficiently planning container loads onto trains is a computationally challenging combinatorial optimization problem, central to logistics and supply chain management. A primary source of this complexity arises from the need to model and reduce rehandle operations-unproductive crane moves required to access blocked containers. Conventional mathematical formulations address this by introducing explicit binary variables and a web of logical constraints for each potential rehandle, resulting in large-scale models that are difficult to solve. This paper presents a fundamental departure from this paradigm. We introduce an innovative and compact mathematical formulation for the Train Load Optimization (TLO) problem where the rehandle cost is calculated implicitly within the objective function. This novel approach helps prevent the need for dedicated rehandle variables and their associated constraints, leading to a dramatic reduction in model size. We provide a formal comparison against a conventional model to analytically demonstrate the significant reduction in the number of variables and constraints. The efficacy of our compact formulation is assessed through a simulated annealing metaheuristic, which finds high-quality loading plans for various problem instances. The results confirm that our model is not only more parsimonious but also practically effective, offering a scalable and powerful tool for modern rail logistics.
• Abstract（参考訳）: コンテナ負荷を効率的に列車に計画することは、計算的に難しい組合せ最適化問題であり、ロジスティクスとサプライチェーン管理の中心である。 この複雑さの主な原因は、ブロックされたコンテナにアクセスするのに必要な操作非生産的なクレーンの動きをモデル化し、再処理する必要性から生じる。 従来の数学的定式化は、明示的なバイナリ変数と、各潜在的な再処理に対する論理的制約の網を導入することでこの問題に対処する。 本稿は、このパラダイムから根本的に離れていることを示す。 目的関数内で再処理コストを暗黙的に計算する列車負荷最適化(TLO)問題に対して,革新的でコンパクトな数学的定式化を導入する。 この新しいアプローチは、専用リハンドル変数とその関連する制約の必要性を防ぎ、モデルサイズを劇的に削減する。 本稿では,変数数と制約数の有意な減少を解析的に示すため,従来のモデルとの比較を行う。 本手法の有効性は, 模擬アニールメタヒューリスティックを用いて評価し, 各種問題インスタンスの高品位負荷計画を見出した。 結果から,我々のモデルはより微妙なだけでなく,実用的にも有効であることが確認され,近代鉄道ロジスティクスのためのスケーラブルで強力なツールを提供する。

関連論文リスト

• Towards Efficient Constraint Handling in Neural Solvers for Routing Problems [53.35866378109893]
  ニューラル・ルーティング・ソルバのための汎用的で効率的な制約処理フレームワークであるConstruct-and-Refineを提案する。 CaRは古典的およびニューラル・オブ・ザ・テク的解法と比較して、実現可能性、ソリューション品質、効率性が優れている。
  論文  参考訳（メタデータ） (2026-02-17T21:06:23Z)
• HardFlow: Hard-Constrained Sampling for Flow-Matching Models via Trajectory Optimization [4.249024052507976]
  本稿では,軌道最適化問題としてハードコントラストサンプリングを再構成する新しいフレームワークを提案する。 我々の重要な洞察は、数値的最適制御を利用してサンプリング軌道を操り、終端時刻に制約が正確に満たされるようにすることである。 このアルゴリズムは、制約満足度とサンプル品質の両方において、既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-11-11T16:33:57Z)
• Accelerating Large Language Model Inference via Early-Exiting Algorithms [10.338409447316373]
  論文:適応アルゴリズムとモデルアーキテクチャを共同設計し、ダイナミズムと効率の最適なバランスをとる。 まず, 高速並列復号化機構を提案することにより, 従来の初期出力におけるオーバーヘッドの重要源に対処する。 次に、パラメータ共有が、コンパクトでパラメータ効率のよいモデルを生成するだけでなく、動的推論に影響を及ぼす重要な同期問題を本質的に緩和するアーキテクチャ基盤を提供することを示す。
  論文  参考訳（メタデータ） (2025-09-07T04:20:14Z)
• DiffuSolve: Diffusion-based Solver for Non-convex Trajectory Optimization [9.28162057044835]
  最適軌道局所は非線形および高次元力学系において計算コストが高い。 本稿では,非次元オプティマ問題に対するDiffuに基づく一般モデルを提案する。 また,新たな制約付き拡散モデルであるDiff+を提案する。
  論文  参考訳（メタデータ） (2024-02-22T03:52:17Z)
• Scalable Higher-Order Tensor Product Spline Models [0.0]
  本稿では,高階テンソル積スプラインモデルから高階テンソル積を導出する因子分解法を提案する。 本手法では,非線形特徴効果のすべての(高次)相互作用を,相互作用のないモデルに比例した計算コストで組み込むことが可能である。
  論文  参考訳（メタデータ） (2024-02-02T01:18:48Z)
• Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
  独立サブネットワークトレーニング(IST)の理論的考察 ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。 圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
  論文  参考訳（メタデータ） (2023-06-28T18:14:22Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Quantized Adaptive Subgradient Algorithms and Their Applications [39.103587572626026]
  本稿では、分散トレーニングのための量子化された複合ミラー降下適応次数 (QCMD adagrad) と量子化された正規化された2次平均適応次数 (QRDA adagrad) を提案する。 量子化勾配に基づく適応学習率行列を構築し、通信コスト、精度、モデル間隔のバランスをとる。
  論文  参考訳（メタデータ） (2022-08-11T04:04:03Z)

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。