論文の概要: Constraint-Preserving QAOA for Personnel Rostering: Coverage-Preserving and Guarded-XY Mixer Constructions

• arxiv url: http://arxiv.org/abs/2607.09145v1
• Date: Fri, 10 Jul 2026 06:58:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.802951
• Title: Constraint-Preserving QAOA for Personnel Rostering: Coverage-Preserving and Guarded-XY Mixer Constructions
• Title（参考訳）: 人体ロースター用拘束保存QAOA:カバー保存・ガード付きXYミキサー構造
• Abstract要約: 我々は、厳密なスケジューリング制約を直接ミキサーハミルトニアンに埋め込む人事ロスターのための制約保存QAOAフレームワークを開発する。 我々の知る限りでは、これは人事ロースターのための最初の制約保存型QAOAの定式化である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Quantum Approximate Optimization Algorithm (QAOA) is a promising framework for combinatorial optimization, but constrained problems are commonly handled using energetic penalty terms that require calibration and allow infeasible configurations to remain dynamically accessible. We develop a constraint-preserving QAOA framework for personnel rostering in which hard scheduling constraints are embedded directly into the mixer Hamiltonian. Using a binary rostering model with daily coverage and no-consecutive-duty constraints, we formulate the dynamics from a transition-graph perspective and introduce a guarded-XY mixer that confines the evolution to the fully feasible scheduling manifold. We further distinguish feasibility preservation from feasible-transition design and propose a tight-pattern extension that introduces collective feasible exchanges in saturated workload segments where local guarded exchanges alone are insufficient. Exact statevector simulations demonstrate that, compared with Penalty-X and Coverage-XY formulations under both expectation-value and Conditional Value-at-Risk optimization, the proposed approach eliminates hard-constraint penalty calibration, guarantees feasible evolution by construction, and consistently yields higher-quality output distributions with stronger concentration on optimal feasible schedules. To the best of our knowledge, this is the first constraint-preserving QAOA formulation for personnel rostering, and the transition-graph framework is readily applicable to a broad class of constrained quantum optimization problems.
• Abstract（参考訳）: 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は組合せ最適化のための有望なフレームワークである。 我々は、厳密なスケジューリング制約を直接ミキサーハミルトニアンに埋め込む人事ロスターのための制約保存QAOAフレームワークを開発する。 日次カバレッジと非連続デューティ制約を持つ二元ロスターモデルを用いて、遷移グラフの観点から力学を定式化し、完全に実現可能なスケジューリング多様体への進化を限定するガード付きXYミキサーを導入する。 また, 局所ガード交換だけでは不十分な飽和作業負荷セグメントにおいて, 集合可能な交換を実現するためのタイトなパターン拡張を提案する。 厳密な状態ベクトルシミュレーションでは、期待値と条件値-at-Riskの最適化によるPentalty-XとCoverage-XYの定式化と比較して、提案手法はハードコントラストのペナルティキャリブレーションを排除し、構築による実現可能な進化を保証し、最適化可能なスケジュールにより強い濃度で高品質の出力分布を連続的に生成することを示した。 我々の知る限り、これは人事ロースタリングのための最初の制約保存QAOA定式化であり、遷移グラフフレームワークは、幅広い制約付き量子最適化問題に容易に適用できる。

関連論文リスト

• A Hybrid Classical-Quantum Approach for Multi-Constrained Location Optimization Problem [0.19573380763700712]
  最大被覆位置問題(MCLP)は、全被覆量を最大化する最適配置を決定することを目的としている。 これは、適切なカバレッジを保証するが、インスタンスサイズが大きくなるにつれて、ソリューション空間を探索する際の複雑さを著しく増大させる、等式制約と不等式制約の両方によって特徴づけられる。 本研究では, MCLPを擬似非拘束バイナリ最適化モデルとして定式化し, 溶液品質において制約埋め込みが重要な役割を担っている。
  論文  参考訳（メタデータ） (2026-07-08T19:44:55Z)
• Optimality-Preserving Decomposition for Scalable QAOA in Natural-Language-Guided Multi-Drone Assignment [1.189955933770711]
  我々は、微調整されたLarge Language Modelフロントエンドと高度にスケーラブルでドメイン固有の量子古典的バックエンドを統合するエンドツーエンドフレームワークを提案する。 本フレームワークは,新しい制約保存グラフパーティショナと圧縮セパレータベースの動的プログラミング(DP)マージを備える。 実証的な結果は、このアーキテクチャが古典的なスケーリング壁を回避し、理想化されたケースの100%と実際のQAOAサンプリングの96.3%でグローバルな最適性を回復していることを示している。
  論文  参考訳（メタデータ） (2026-06-12T08:31:14Z)
• Pure and mixed Dicke state ansatz for equality and inequality constraints in variational quantum eigensolver [0.0]
  組合せ最適化は、変分量子アルゴリズムによる量子コンピューティングに対処することができる。 中心的な課題は、最適解が存在するヒルベルト空間の可能な部分空間を探索するのに十分なアンザッツ表現を設計することである。 本研究では,ハミング重み制約最適化のための最初の実現可能性保存混合ディック状態アンサッツを提案する。
  論文  参考訳（メタデータ） (2026-06-07T08:10:09Z)
• Improving Feasibility in Quantum Approximate Optimization Algorithm for Vehicle Routing via Constraint-Aware Initialization and Hybrid XY-X Mixing [2.204918347869259]
  車両ルーティング問題(VRP)は、物流と輸送における中核的な問題である。 従来のPauli-$X$mixerは、主要な局所的制約を満たす部分解構造を妨害することができる。 本稿では2つの相補的なコンポーネントを持つ制約対応QAOAフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-08T15:39:22Z)
• Constrained Portfolio Optimization via Quantum Approximate Optimization Algorithm (QAOA) with XY-Mixers and Trotterized Initialization: A Hybrid Approach for Direct Indexing [0.0]
  本稿では, 制約保存量子近似アルゴリズム (QAOA) について, シミュレーションアニーリング (SA) と階層型リスクパリティ (HRP) に対する定式化について述べる。 我々のQAOAアプローチはシャープ比が1.81で、シミュレートアニーリング(1.31)とHRP(0.98)を著しく上回っていることを示す。 2025年までに10US株のバスケットをバックテストしたところ、我々のQAOAアプローチはシャープ比1.81に達し、シミュレート・アニーリング(1.31)とHRP(0.98)を著しく上回っていることが判明した。
  論文  参考訳（メタデータ） (2026-02-16T15:19:15Z)
• Constrained Dynamic Gaussian Splatting [47.982650444869336]
  Constrained Dynamic Gaussian Splatting (CDGS)は、動的シーン再構成を予算制約付き最適化問題として定式化する新しいフレームワークである。 本報告では,CDGSは,最先端手法に比べて3倍以上の圧縮を実現し,キャパシティの限界下で最適なレンダリング品質を提供することを示す。
  論文  参考訳（メタデータ） (2026-02-03T13:53:29Z)
• 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)
• Adaptive Neighborhood-Constrained Q Learning for Offline Reinforcement Learning [52.03884701766989]
  オフライン強化学習(RL)アルゴリズムは、通常、アクション選択に制約を課す。 本稿では,Bellmanターゲットにおける行動選択を,データセットアクションの近傍の結合に制限する新しい地区制約を提案する。 我々は,この制約を満たす目標動作を用いてQ学習を行うための,単純で効果的なアルゴリズムであるAdaptive Neighborhood-Constrained Q Learning(ANQ)を開発した。
  論文  参考訳（メタデータ） (2025-11-04T13:42:05Z)
• Resilient Constrained Reinforcement Learning [87.4374430686956]
  本稿では,複数の制約仕様を事前に特定しない制約付き強化学習(RL)のクラスについて検討する。 報酬訓練目標と制約満足度との間に不明確なトレードオフがあるため、適切な制約仕様を特定することは困難である。 我々は、ポリシーと制約仕様を一緒に検索する新しい制約付きRLアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-28T18:28:23Z)
• Achieving Constraints in Neural Networks: A Stochastic Augmented Lagrangian Approach [49.1574468325115]
  DNN(Deep Neural Networks)の正規化は、一般化性の向上とオーバーフィッティングの防止に不可欠である。 制約付き最適化問題としてトレーニングプロセスのフレーミングによるDNN正規化に対する新しいアプローチを提案する。 我々はAugmented Lagrangian (SAL) 法を用いて、より柔軟で効率的な正規化機構を実現する。
  論文  参考訳（メタデータ） (2023-10-25T13:55:35Z)
• Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
  エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。 エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。 提案手法は(線形速度で)大域的最適値に収束することが示されている。
  論文  参考訳（メタデータ） (2022-06-03T16:26:38Z)
• Faster Algorithm and Sharper Analysis for Constrained Markov Decision Process [56.55075925645864]
  制約付き意思決定プロセス (CMDP) の問題点について検討し, エージェントは, 複数の制約を条件として, 期待される累積割引報酬を最大化することを目的とする。 新しいユーティリティ・デュアル凸法は、正規化ポリシー、双対正則化、ネステロフの勾配降下双対という3つの要素の新たな統合によって提案される。 これは、凸制約を受ける全ての複雑性最適化に対して、非凸CMDP問題が$mathcal O (1/epsilon)$の低い境界に達する最初の実演である。
  論文  参考訳（メタデータ） (2021-10-20T02:57:21Z)

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。