論文の概要: Binary Optimization with Complex Constraints via Quantum Approximate Multi-Objective Optimization

• arxiv url: http://arxiv.org/abs/2609.13790v1
• Date: Sat, 12 Sep 2026 08:07:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.552188
• Title: Binary Optimization with Complex Constraints via Quantum Approximate Multi-Objective Optimization
• Title（参考訳）: 量子近似多目的最適化による複素制約付きバイナリ最適化
• Abstract要約: 複雑な2次的目的や制約を持つ二項最適化問題のクラスは、多目的2次的非制約二項最適化問題として再定義できることを示す。 条件付きバリュー・アット・リスク制約の下でバイナリポートフォリオ最適化のアプローチを実証する。
• 参考スコア（独自算出の注目度）: 1.3827807729367585
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We show that a class of binary optimization problems with complex non-quadratic objectives or constraints can be reformulated as multi-objective quadratic unconstrained binary optimization problems. When the objective and constraints depend on a small number of quadratic features and are monotone with respect to their preferred directions, at least one globally optimal solution lies in the Pareto set of the associated MO-QUBO. This enables the constraints to be evaluated classically on Pareto-optimal candidates rather than encoded as penalties. We demonstrate the approach for binary portfolio optimization under a Conditional Value-at-Risk constraint. Using Quantum Approximate Multi-Objective Optimization on an illustrative 100-asset instance, we approximate the mean-variance Pareto front using an IBM Quantum computer and derive mean-CVaR fronts through classical post-processing. The hardware results recover the overall structure of the classical front and yield near-optimal feasible portfolios for different risk bounds.
• Abstract（参考訳）: 複雑な2次的目的や制約を持つ二項最適化問題のクラスは、多目的2次的非制約二項最適化問題として再定義できることを示す。 目的と制約が少数の二次的特徴に依存し、その望ましい方向に関して単調であるとき、少なくとも1つの大域的最適解は、関連するMO-QUBOのパレート集合に属する。 これにより、制約は罰則としてエンコードされるのではなく、パレート最適候補上で古典的に評価できる。 条件付きバリュー・アット・リスク制約の下でバイナリポートフォリオ最適化のアプローチを実証する。 実証的な100-アセットインスタンス上での量子近似多目的最適化を用いて、IBMの量子コンピュータを用いて平均分散パレートフロントを近似し、古典的な後処理により平均CVaRフロントを導出する。 ハードウェアの結果は、古典的な前面の構造を回復し、異なるリスク境界に対する最適に近いポートフォリオを得る。

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)
• Encoding Matters: Benchmarking Binary and D-ary Representations for Quantum Combinatorial Optimization [1.3824488054100907]
  本研究では,D-ary Optimization (QUDO) を,高次元ヒルベルト空間において決定変数を直接符号化する代替の定式化として検討する。 本研究では,QUDOがトラベリングセールスマン問題,グラフカラー化,ジョブスケジューリング,Max-K-Cutなど,広範なペナルティ構築を必要とせずに,様々な問題クラスにおいて構造的制約を自然に捉えていることを示す。 本研究は、量子最適化のためのスケーラブルで表現力のある表現としてQUDOを強調し、近似比を一貫して改善し、等価回路深さでの計算オーバーヘッドを大幅に削減することを示した。
  論文  参考訳（メタデータ） (2026-02-07T04:37:32Z)
• Efficient QAOA Architecture for Solving Multi-Constrained Optimization Problems [3.757262277494307]
  本稿では,量子近似最適化Ansatzのための制約符号化手法の新たな組み合わせを提案する。 ワンホット制約は、検索空間を実現可能なサブ空間に自然に制限する$XY$-mixerによって強制される。 XY$-mixersは検索スペースを制限するため、特定の状態ベクトルエントリは常にゼロであり、シミュレーションから省略することができ、貴重なメモリとコンピューティングリソースを節約できる。
  論文  参考訳（メタデータ） (2025-06-03T17:46:53Z)
• Quantum Approximate Multi-Objective Optimization [1.2564343689544843]
  多目的最適化は、量子コンピュータで解析するための魅力的な問題クラスである。 本研究では,多目的重み付き最大カット問題の最適パレートフロントを近似するために,低深さ量子近似最適化アルゴリズムを用いる。 我々は,IBM の量子コンピュータと Matrix Product State の数値シミュレーションでその性能を実証し,古典的アプローチよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2025-03-28T18:00:25Z)
• Scalable Min-Max Optimization via Primal-Dual Exact Pareto Optimization [66.51747366239299]
  拡張ラグランジアンに基づくmin-max問題のスムーズな変種を提案する。 提案アルゴリズムは, 段階的戦略よりも目的数で拡張性が高い。
  論文  参考訳（メタデータ） (2025-03-16T11:05:51Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
  エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。 エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。 提案手法は(線形速度で)大域的最適値に収束することが示されている。
  論文  参考訳（メタデータ） (2022-06-03T16:26:38Z)
• Faster Algorithm and Sharper Analysis for Constrained Markov Decision Process [56.55075925645864]
  制約付き意思決定プロセス (CMDP) の問題点について検討し, エージェントは, 複数の制約を条件として, 期待される累積割引報酬を最大化することを目的とする。 新しいユーティリティ・デュアル凸法は、正規化ポリシー、双対正則化、ネステロフの勾配降下双対という3つの要素の新たな統合によって提案される。 これは、凸制約を受ける全ての複雑性最適化に対して、非凸CMDP問題が$mathcal O (1/epsilon)$の低い境界に達する最初の実演である。
  論文  参考訳（メタデータ） (2021-10-20T02:57:21Z)
• A Hybrid 2-stage Neural Optimization for Pareto Front Extraction [3.918940900258555]
  最適なトレードオフソリューションに対する大きな障害は、それらが必ずしも互いに収束しないことです。 正確かつ費用対効果の高い二段階アプローチを提案する。
  論文  参考訳（メタデータ） (2021-01-27T20:56:19Z)
• Efficient Methods for Structured Nonconvex-Nonconcave Min-Max Optimization [98.0595480384208]
  定常点に収束する一般化外空間を提案する。 このアルゴリズムは一般の$p$ノルド空間だけでなく、一般の$p$次元ベクトル空間にも適用される。
  論文  参考訳（メタデータ） (2020-10-31T21:35:42Z)
• 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)

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。