論文の概要: Landscape Limits of Quantum-Inspired Evolutionary Optimization across 256 continuous functions
- arxiv url: http://arxiv.org/abs/2609.30938v1
- Date: Fri, 25 Sep 2026 07:53:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.28152
- Title: Landscape Limits of Quantum-Inspired Evolutionary Optimization across 256 continuous functions
- Title（参考訳）: 256連続関数における量子インスパイアされた進化最適化のランドスケープ限界
- Abstract要約: 量子インスパイアされた進化最適化(QIEO)は、設計変数をキュービットの集合として表現し、キュービットの振幅対の回転を通して連続した多次元の風景を探索する。
このアップデートは安価で、ほぼパラメータフリーで、大規模な並列実装に適している。
しかし、この定式化には重要な問題があり、主に設計変数を独立確率成分として扱い、局所曲率、異方性、あるいは変数結合を利用できない。
- 参考スコア（独自算出の注目度）: 6.457863250697891
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantum-inspired evolutionary optimization (QIEO) represents design variables as a set of qubits and searches a continuous, multi-dimensional landscape through rotation of the qubit's amplitude pair. Every generation rotates those amplitudes toward a single elite, which corresponds to that generation's best. The update is cheap, almost parameter-free, and well-suited for massive parallel implementation, which has encouraged its adoption in engineering, design, and planning applications. However, there are critical issues with this formulation, principally, the treatment of design variables as independent probability components which make it incapable of exploiting local curvature, anisotropy, or variable coupling. Despite this, QIEO is believed to hold promise, and has been used extensively to solve real-world problems, with significant qualitative and computational advantage over its classical counterpart, Genetic Algorithm (GA). A collection of 256 (actually 508; 256 unshifted + 252 shifted, 4 could not be shifted) continuous function are selected from the prior works, in such a way that they represent eleven landscape characteristics, namely continuity, differentiability, separability, scalability, modality, convexity, conditioning, symmetry, maximum dimensionality, dimension dependency, and the coupling pattern of the design variables. These functions are then solved by three QIEO variants, two GA encodings and Hansen's Covariance Matrix Adaptation Evolution Strategy (CMA-ES). The results are evaluated in terms of computational cost, solution precision, and specialization across landscape characteristics. They identify the conditions under which QIEO provides competitive performance, clarify where its independent-variable representation becomes limiting, and establish whether particular QIEO variants offer advantages for specific landscape characteristics.
- Abstract（参考訳）: 量子インスパイアされた進化最適化(QIEO)は、設計変数をキュービットの集合として表現し、キュービットの振幅対の回転を通して連続した多次元の風景を探索する。
各世代はこれらの振幅を1つのエリートに向けて回転させ、その世代の最良値に対応する。
このアップデートは安価で、ほぼパラメータフリーで、大規模な並列実装に適している。
しかし、この定式化には重要な問題があり、主に設計変数を独立確率成分として扱い、局所曲率、異方性、あるいは変数結合を利用できない。
それにもかかわらず、QIEOは約束を守ると考えられており、従来の遺伝的アルゴリズム(GA)に比べて定性的で計算上の優位性があり、現実世界の問題を解決するために広く使われている。
256(実際には508; 256 の非シフト + 252 のシフト + 252 のシフト + 4 の連続関数は、連続性、微分可能性、分離性、拡張性、モダリティ、凸性、条件付け、対称性、最大次元性、次元依存性、設計変数の結合パターンなど、11つのランドスケープ特性を表すように、以前の作品から選択される。
これらの関数は3つのQIEO変種、2つのGAエンコーディングとハンセンの共分散行列適応進化戦略(CMA-ES)によって解決される。
その結果, 計算コスト, 解精度, 景観特性に対する特殊化などの観点から評価した。
彼らは、QIEOが競争性能を提供する条件を特定し、その独立変数表現が制限される場所を明確にし、特定のQIEO変種が特定の景観特性に有利であるかどうかを確立する。
関連論文リスト
- Optimization Landscape Geometry in VQE for Frustrated Quantum Spin Models [15.611755201685936]
フラストレーションスピンモデルの階層上での高精度ベクトルVQE計算の8つの古典をベンチマークする。
我々は、局所的なミニマ、勾配、曲率、接地状態の到達性の観点から、基礎となるハミルトン・アンザッツの風景を特徴づける。
モデル階層間で性能が大幅に変化していることが分かり、ランドスケープ構造と密接な関係があることがわかりました。
論文 参考訳（メタデータ） (2026-08-31T18:42:49Z) - Implicit Differentiation for Measurement-Efficient Bilevel Quantum-Classical Optimization [2.5234274237739402]
本稿では,変分量子アルゴリズム(VQA)がパラメトリック問題を効率的に扱う方法を示す。
可変外パラメータに依存する対角的コストハミルトニアンの2レベル最適化モデルを提案する。
3つのファミリーでの実験では、CR-IDは予算正規化効率を1Dで4%、多次元設定で14%向上している。
論文 参考訳（メタデータ） (2026-08-07T19:03:43Z) - Para-B&B: Load-Balanced Deterministic Parallelization of Solving MIP [50.917107318582715]
MIP(Mixed-integer Programming)は、連続型と整数型の両方の決定変数を組み込むことで線形プログラミングを拡張する。
本稿では,高性能MIPソルバであるHiGHSに対して,決定論的並列分岐結合の完全なオープンソース実装を初めて提案する。
本手法では,ワーカスレッド間で完全なソルバ状態を複製することにより,厳密な決定性を保証する新しいデータ並列アーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-02-10T14:17:53Z) - Neural Nonmyopic Bayesian Optimization in Dynamic Cost Settings [73.44599934855067]
LookaHESは、動的で履歴に依存したコスト環境のために設計された非心筋BOフレームワークである。
LookaHESは、$H$-Entropy Searchのマルチステップ版と、パスワイズサンプリングとニューラルポリシー最適化を組み合わせたものだ。
私たちの革新は、構造化されたドメイン固有のアクションスペースを効果的にナビゲートするために、大きな言語モデルを含むニューラルポリシーの統合です。
論文 参考訳（メタデータ） (2026-01-10T09:49:45Z) - Blockwise Optimization for Projective Variational Quantum Dynamics (BLOP-VQD): Algorithm and Implementation for Lattice Systems [0.0]
本稿では,予測変動量子ダイナミクスを用いたリアルタイム量子力学の効率的なシミュレーション手法を提案する。
提案手法は,一方のブロックを1回に選択的に最適化し,他方のブロックを固定し,計算オーバーヘッドを大幅に削減する。
提案手法の性能を,サイズや複雑さの異なる一連のスピン格子モデルで実証する。
論文 参考訳（メタデータ） (2025-03-24T01:48:37Z) - Simultaneous and Meshfree Topology Optimization with Physics-informed Gaussian Processes [0.0]
トポロジ最適化(TO)は、その物質空間分布を予め定義された領域で設計し、制約の集合に従うことによって、構造の性能を最適化する原理的な数学的アプローチを提供する。
我々は,ガウス過程(GP)の枠組みに基づく新しいTO手法を開発し,その平均関数はディープニューラルネットワークを介してパラメータ化される。
本手法を商用ソフトウェアに実装した従来のTO手法に対して検証するため,ストークスフローにおける消散電力の最小化を含む4つの問題に対して評価を行った。
論文 参考訳（メタデータ） (2024-08-07T01:01:35Z) - On the Stability of Expressive Positional Encodings for Graphs [46.967035678550594]
ラプラシア固有ベクトルを位置符号化として使用することは、2つの根本的な課題に直面している。
SPE(Stable and Expressive Positional Generalizations)を紹介する。
SPEは(1)確率的に安定であり、(2)基底不変関数に対して普遍的に表現できる最初のアーキテクチャである。
論文 参考訳（メタデータ） (2023-10-04T04:48:55Z) - Recurrence Boosts Diversity! Revisiting Recurrent Latent Variable in
Transformer-Based Variational AutoEncoder for Diverse Text Generation [85.5379146125199]
変分自動エンコーダ(VAE)はテキスト生成において広く採用されている。
本稿ではトランスフォーマーをベースとしたリカレントVAE構造であるTRACEを提案する。
論文 参考訳（メタデータ） (2022-10-22T10:25:35Z) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳（メタデータ） (2022-10-19T19:04:45Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - Bayesian optimization of variable-size design space problems [0.0]
このタイプの最適化問題を解決するために,ベイズ最適化に基づく2つのアプローチが提案されている。
最初のアプローチは、最も有望な設計サブスペースに計算予算を集中させるための予算配分戦略である。
第二のアプローチは、部分的に異なる変数の集合によって特徴づけられるサンプル間の共分散を計算することができるカーネル関数の定義に基づいている。
論文 参考訳（メタデータ） (2020-03-06T16:30:44Z)
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。