論文の概要: A Quantitative Framework for Comparing Classical and Quantum Algorithms for the Traveling Salesman Problem

• arxiv url: http://arxiv.org/abs/2607.24581v1
• Date: Mon, 27 Jul 2026 15:49:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.48478
• Title: A Quantitative Framework for Comparing Classical and Quantum Algorithms for the Traveling Salesman Problem
• Title（参考訳）: トラベリングセールスマン問題に対する古典的および量子的アルゴリズムの比較のための定量的枠組み
• Abstract要約: トラベリングセールスマン問題(Traveing Salesman Problem)は、物流、回路設計、オペレーション研究において重要な意味を持つ古典的なNPハード問題である。 本稿では,トラベリングセールスマン問題に対する4つのアプローチの比較研究を行った。 性能, ソリューション品質, スケーラビリティを解析するために, 各手法を実装し, 様々な大きさのグラフ上で評価する。
• 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: The Traveling Salesman Problem is a classical NP-hard problem with significant implications in logistics, circuit design, and operations research. This paper presents a comparative study of four approaches to solving the Traveling Salesman Problem: brute-force enumeration, a 2-approximation algorithm using minimum spanning trees, simulated annealing, and the Quantum Approximate Optimization Algorithm. We implement each technique and evaluate them on graphs of varying sizes to analyze performance, solution quality, and scalability. In doing so, we have also developed an open-source framework that allows researchers and practitioners to explore, test and extend these methods.
• Abstract（参考訳）: トラベリングセールスマン問題(Traveing Salesman Problem)は、物流、回路設計、オペレーション研究において重要な意味を持つ古典的なNPハード問題である。 本稿では,トラベリングセールスマン問題の解法として,ブルートフォース列挙法,最小スパンニング木を用いた2近似アルゴリズム,シミュレートアニーリング,量子近似最適化アルゴリズムの4つの方法の比較検討を行った。 性能, ソリューション品質, スケーラビリティを解析するために, 各手法を実装し, 様々な大きさのグラフ上で評価する。 また、研究者や実践者がこれらの手法を探索し、テストし、拡張できるオープンソースのフレームワークも開発しました。

関連論文リスト

• Gradient Descent Algorithm Survey [0.0]
  この記事では、SGD、Mini-batch SGD、Momentum、Adam、Lionの5つの主要なアルゴリズムに焦点を当てる。 アルゴリズムのコアとなる利点、制限、そして重要な実践的推奨を体系的に分析する。
  論文  参考訳（メタデータ） (2025-11-25T09:30:44Z)
• Training Neural Networks at Any Scale [57.048948400182354]
  本稿では、効率とスケールを重視したニューラルネットワークのトレーニングのための最新の最適化手法についてレビューする。 本稿では,問題の構造に適応することの重要性を強調する統一的アルゴリズムテンプレートの下で,最先端の最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-11-14T10:58:07Z)
• Position: We Need An Algorithmic Understanding of Generative AI [7.425924654036041]
  本稿では,LLMが学習・使用するアルゴリズムを体系的に研究するためのフレームワークであるAlgEvalを提案する。 AlgEvalは、潜在表現、注意、推論時間計算に反映されるアルゴリズムプリミティブと、タスク固有の問題を解決するアルゴリズム構成を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2025-07-10T08:38:47Z)
• A Robust Algorithm for Non-IID Machine Learning Problems with Convergence Analysis [2.4462606119036456]
  本研究では,非滑らかな最適化,二次計画法,反復過程に基づく最小値問題の解法を改良した数値アルゴリズムを提案する。 このようなアルゴリズムは、ロバスト最適化や不均衡学習など、様々な分野に広く適用することができる。
  論文  参考訳（メタデータ） (2025-07-01T14:41:59Z)
• Benchmarking of quantum and classical SDP relaxations for QUBO formulations of real-world logistics problems [0.4636927061010061]
  擬似的非制約二項最適化問題の半定値プログラミング緩和に関する膨大な実験的検討を行った。 オープンな)車両ルーティング問題と(親和性に基づく)スロットリング問題に関する業界ベースの事例のQUBO再構成を検証した。
  論文  参考訳（メタデータ） (2025-03-13T18:51:45Z)
• Theoretical Analysis of Quality Diversity Algorithms for a Classical Path Planning Problem [12.1622929638257]
  本稿では,古典的計画問題に対する品質多様性(QD)アルゴリズムの挙動について検討する。 この結果から,Map-Elites QDアルゴリズムは各ノードの最短経路を並列に計算できることがわかった。
  論文  参考訳（メタデータ） (2024-12-16T04:58:32Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
  本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。 性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
  論文  参考訳（メタデータ） (2022-05-03T07:54:56Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• An Overview and Experimental Study of Learning-based Optimization Algorithms for Vehicle Routing Problem [49.04543375851723]
  車両ルーティング問題(VRP)は典型的な離散最適化問題である。 多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。 本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
  論文  参考訳（メタデータ） (2021-07-15T02:13:03Z)
• Active Model Estimation in Markov Decision Processes [108.46146218973189]
  マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。 マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
  論文  参考訳（メタデータ） (2020-03-06T16:17:24Z)

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。