Fugu-MT 論文翻訳(概要): A Comparative Study of Hybrid Quantum and Classical Genetic Algorithms in Portfolio Optimization

論文の概要: A Comparative Study of Hybrid Quantum and Classical Genetic Algorithms in Portfolio Optimization

arxiv url: http://arxiv.org/abs/2604.11667v1
Date: Mon, 13 Apr 2026 16:14:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-14 20:13:16.674446
Title: A Comparative Study of Hybrid Quantum and Classical Genetic Algorithms in Portfolio Optimization
Title（参考訳）: ポートフォリオ最適化におけるハイブリッド量子と古典遺伝的アルゴリズムの比較研究
Abstract要約: HQGAは古典的手法よりも高速に最適解に収束することを示す。 HQGAは、世界的最適に到達するために、ブルートフォースアプローチよりもはるかに少ない評価と解決を必要とする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work investigates the performance of a Hybrid Quantum Genetic Algorithm (HQGA) compared to a classical Genetic Algorithm (GA) for solving the portfolio optimization problem. Our results indicate that the HQGA converges faster to the optimal solution than its classical counterpart, while also maintaining a higher level of population diversity throughout the optimization process. In addition, the HQGA requires significantly fewer evaluations-to-solution than a brute-force approach to reach the global optimum.
Abstract（参考訳）: 本研究では、ポートフォリオ最適化問題の解法として、古典的遺伝的アルゴリズム(GA)と比較して、HQGA(Hybrid Quantum Genetic Algorithm)の性能について検討する。以上の結果から,HQGAは従来のソリューションよりも高速に収束し,最適化プロセスを通じて高いレベルの個体数の多様性を維持していることが明らかとなった。さらに、HQGAは、世界的最適に到達するために、ブルートフォースアプローチよりも、はるかに少ないソリューション評価を必要とする。

関連論文リスト

Accelerating De Novo Genome Assembly via Quantum-Assisted Graph Optimization with Bitstring Recovery [0.0]
ゲノムシークエンシングは、遺伝情報の解読、生物の同定、疾患の理解、パーソナライズド医療の進歩に不可欠である。デノボゲノム組換えは、その計算複雑性が高く、時間と精度の両方に影響を及ぼすため、重大な課題を呈している。本稿では,古典的前処理と統合された量子コンピューティングに基づく最適化アルゴリズムを用いて,ゲノム組立プロセスを高速化するハイブリッドアプローチを提案する。
論文参考訳（メタデータ） (2026-01-29T19:03:55Z)
Scalable Min-Max Optimization via Primal-Dual Exact Pareto Optimization [66.51747366239299]
拡張ラグランジアンに基づくmin-max問題のスムーズな変種を提案する。提案アルゴリズムは, 段階的戦略よりも目的数で拡張性が高い。
論文参考訳（メタデータ） (2025-03-16T11:05:51Z)
Image Classification Method using Dynamic Quantum Inspired Genetic Algorithm [0.0]
D-QIGAは、局所最適化を回避し、最適化を改善するために適応機構と長鎖染色体戦略を導入している。ベンチマークと実世界の問題でテストされ、GAの95%に比べて99.99%以上の分類精度で従来の遺伝的アルゴリズムよりも大幅に優れていた。
論文参考訳（メタデータ） (2025-01-20T13:18:13Z)
A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。 ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
論文参考訳（メタデータ） (2025-01-02T05:06:16Z)
Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-04T01:47:37Z)
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)
Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic Algorithm for Solving Combinatorial Optimization Problems [1.8434042562191815]
遺伝的アルゴリズム(GA)は最適化問題の解法における効率性で知られている。本稿では遺伝子工学の概念からインスピレーションを得るため,遺伝子工学アルゴリズム(GEA)と呼ばれる新しいメタヒューリスティックアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-28T13:05:30Z)
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)
Hybrid Henry Gas Solubility Optimization Algorithm with Dynamic Cluster-to-Algorithm Mapping for Search-based Software Engineering Problems [1.0323063834827413]
本稿ではHenry Gas Solubility Optimization(HGSO)アルゴリズムの新しい変種であるHGSO(Hybrid HGSO)について述べる。前者とは異なり、HHGSOは異なるメタヒューリスティックアルゴリズムを提供する複数のクラスタを同じ集団内で共存させることができる。 HHGSOは、適応的な切替係数を持つペナル化および報酬モデルによる動的クラスタ-アルゴリズムマッピングを発明し、メタヒューリスティックなハイブリダイゼーションのための新しいアプローチを提供する。
論文参考訳（メタデータ） (2021-05-31T12:42:15Z)
Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文参考訳（メタデータ） (2020-10-15T18:09:48Z)
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)
Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。