論文の概要: Solve Crude Oil Scheduling Problems by Using Quantum-Classical Hybrid Algorithms
- arxiv url: http://arxiv.org/abs/2604.26459v1
- Date: Wed, 29 Apr 2026 09:15:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.326587
- Title: Solve Crude Oil Scheduling Problems by Using Quantum-Classical Hybrid Algorithms
- Title（参考訳）: 量子古典ハイブリッドアルゴリズムによる原油スケジューリング問題の解法
- Authors: Jian Yang, Bohang Wang, Lina Wang, Jiacheng Chen, Gaoxiang Tang, Zihan Deng, Wending Zhao, Xianfeng Cai,
- Abstract要約: フロントエンド原油のスケジューリングは、精製利益率と運転安定の重要な決定要因である。
本研究では、これらの計算ボトルネックに対処する新しいハイブリッド量子古典的枠組みを提案する。
- 参考スコア（独自算出の注目度）: 21.36249008423304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The optimization of front-end crude oil scheduling is a critical determinant of refinery profitability and operational stability. However, the coupling of discrete logistics events (e.g., vessel berthing) with continuous material flows (e.g., pipeline transfers) renders this problem an NP-hard Mixed-Integer Linear Programming (MILP) challenge, often intractable for classical solvers at industrial scales. This study proposes a novel hybrid quantum-classical framework to address these computational bottlenecks. We employ Benders Decomposition to decouple the monolithic model into a discrete Master Problem (MP) and a continuous Subproblem (SP). To exploit the search capabilities of quantum computing, the MP is reformulated as a Quadratic Unconstrained Binary Optimization (QUBO) model and solved via a hybrid quantum solver, while the SP enforces mass balance and quality constraints through iterative optimality and feasibility cuts. Extensive experiments on 15 multi-scale instances demonstrate that the proposed framework significantly outperforms traditional metaheuristics (e.g., Genetic Algorithms, Tabu Search), reducing total operating costs by approximately 73--80% and achieving computational speeds comparable to state-of-the-art commercial solvers (Gurobi). By effectively leveraging global optimality cuts, the method overcomes the tendency of heuristic approaches to trap in local optima, providing a robust and scalable solution for complex refinery logistics.
- Abstract（参考訳）: フロントエンド原油スケジューリングの最適化は、製油所の利益率と操業安定を決定づける重要な要因である。
しかし、離散的な物流イベント(例えば、容器のバーシング)と連続的な物質の流れ(例えば、パイプラインの移動)の結合は、NP-hard Mixed-Integer Linear Programming (MILP) の課題であり、工業規模の古典的解法にはしばしば難解である。
本研究では、これらの計算ボトルネックに対処する新しいハイブリッド量子古典的枠組みを提案する。
我々はBenders Decompositionを用いてモノリシックモデルを離散マスター問題(MP)と連続サブプロブレム(SP)に分離する。
量子コンピューティングの探索能力を活用するために、MPは準非拘束バイナリ最適化(QUBO)モデルとして再構成され、ハイブリッド量子解決器を介して解決される。
15のマルチスケールインスタンスに対する大規模な実験により、提案フレームワークは従来のメタヒューリスティックス(例えば、遺伝的アルゴリズム、タブサーチ)を著しく上回り、全体の運用コストを約73～80%削減し、最先端の商用解法(Gurobi)に匹敵する計算速度を達成することを示した。
グローバルな最適性削減を効果的に活用することにより、この手法は局所最適をトラップするヒューリスティックなアプローチの傾向を克服し、複雑な精製物流に対して堅牢でスケーラブルなソリューションを提供する。
関連論文リスト
- Cutting-plane methodology via quantum optimization for solving the Traveling Salesman Problem [0.0]
トラベルセールスマン問題における大きな課題は、多数のサブトゥール排除制約である。
我々は、よく確立された運用研究技術に基づく反復的なアプローチを採用する。
この問題を解決するための古典的および量子的最適化手法について検討する。
論文 参考訳（メタデータ） (2026-04-22T08:20:17Z) - Toward Quantum-Optimized Flow Scheduling in Multi-Beam Digital Satellites [3.5537995993803286]
スケジューリング効率を向上させるハイブリッド量子古典フレームワークを提案する。
スループット最大化の目的と運用上の制約をコンパクトなQUBOに組み込む。
量子ハードウェア上でのソリューションの品質、ランタイム、ロバスト性を評価する。
論文 参考訳（メタデータ） (2026-02-28T15:21:38Z) - Constraint-Aware Quantum Optimization via Hamming Weight Operators [1.1463843149836523]
厳密な線形制約を伴う制約付き最適化は、薬物発見、電力グリッド、物流、金融の応用を支えている。
ハミングウェイト作用素(ハミングウェイト作用素、Hamming Weight Operators)は、量子進化を、実現可能な部分空間内で厳密に定義する制約対応作用素のクラスである。
我々は,金融と高エネルギー物理学のベンチマークタスク,特にポートフォリオ最適化とエネルギーバランスを伴う2ジェットクラスタリングのアプローチを検証した。
論文 参考訳（メタデータ） (2026-01-04T12:58:04Z) - Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。
本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。
提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
論文 参考訳（メタデータ） (2025-04-17T15:41:48Z) - 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) - Multi-objective Quantum Annealing approach for solving flexible job shop
scheduling in manufacturing [0.0]
本稿では、フレキシブルジョブショップスケジューリング問題に対処するため、量子アニーリングに基づく問題解決アルゴリズム(QASA)を提案する。
ベンチマーク問題の実験では、タブ検索、シミュレートされたアニーリング、量子アニーリングを組み合わせたQASAが、古典的解法アルゴリズム(CSA)のソリューション品質を上回っている。
論文 参考訳（メタデータ） (2023-11-16T07:45:57Z) - A Hybrid Quantum-Classical Approach to the Electric Mobility Problem [0.8796261172196743]
NP-hard Electric Vehicle Fleet Charging and Allocation Problemのためのハイブリッド量子古典ルーチンを提案する。
分解法の性能を古典的・量子的メタヒューリスティックスで評価する。
提案手法の主な利点は、多くの不等式制約のある現実的な問題に対して量子ベースの方法を可能にすることである。
論文 参考訳（メタデータ） (2023-10-04T12:14:56Z) - A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。
これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。
本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Multiobjective variational quantum optimization for constrained
problems: an application to Cash Management [45.82374977939355]
本稿では,変分量子アルゴリズムを用いた制約付き最適化問題の解法を提案する。
我々は、キャッシュマネジメント問題という、金融の極めて関連性の高い現実世界の問題について、我々の提案を検証した。
実験の結果, 実現したソリューションのコスト, 特に局所最小値の回避に関して, 大幅な改善が見られた。
論文 参考訳（メタデータ） (2023-02-08T17:09:20Z) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z)
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。