論文の概要: Solving Graph Coloring Problems Using Feedback-Based Algorithm for Quantum Optimization

• arxiv url: http://arxiv.org/abs/2609.30991v1
• Date: Fri, 25 Sep 2026 08:37:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.299067
• Title: Solving Graph Coloring Problems Using Feedback-Based Algorithm for Quantum Optimization
• Title（参考訳）: 量子最適化のためのフィードバックベースアルゴリズムを用いたグラフカラー化問題の解法
• Abstract要約: 量子最適化のためのフィードバックベースアルゴリズム(FALQON)は、最適化問題の近似解を見つけるための有望なアプローチである。 制約付き最適化問題を解決するために、従来のXミキサーよりもXYミキサーを使う方が効率的であることがある。 XYミキサーを搭載したFALQONは、Xミキサーよりも優れた性能を示した。
• 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 feedback-based algorithm for quantum optimization (FALQON), which is an extension of the quantum approximate optimization algorithm (QAOA), is a promising approach for finding approximate solutions to combinatorial optimization problems. The FALQON avoids the optimization of variational parameters by using information derived from iterative measurements. To solve a constrained combinatorial optimization problem, it is sometimes more efficient to use an XY mixer rather than the conventional X mixer. We applied the FALQON with the XY mixer to graph coloring and investigated the expectation value of the problem Hamiltonian, success probability of graph coloring, and fair sampling for several small-scale problems. The FALQON with the XY mixer exhibited better performance than that with the X mixer.
• Abstract（参考訳）: 量子近似最適化アルゴリズム(QAOA)の拡張である量子最適化のためのフィードバックベースアルゴリズム(FALQON)は、組合せ最適化問題の近似解を見つけるための有望なアプローチである。 FALQONは反復測定から得られる情報を用いて変動パラメータの最適化を避ける。 制約付き組合せ最適化問題を解決するために、従来のXミキサーよりもXYミキサーを使う方が効率的であることがある。 我々は、XYミキサーを用いたFALQONをグラフカラー化に適用し、ハミルトニアン問題の期待値、グラフカラー化の成功確率、いくつかの小規模問題に対する公正サンプリングについて検討した。 XYミキサーを搭載したFALQONは、Xミキサーよりも優れた性能を示した。

関連論文リスト

• Quantum Preconditioning For Constrained Optimization Problems [0.0]
  制約付き最適化問題に対する量子プレコンディショニングの効果について検討する。 提案手法では, 決定変数間の2点相関を利用して, 修正対象関数を構成する。 濃密で重み付けされた完全グラフインスタンスの実験では、プレコンディショニングされた問題インスタンスは、ほぼ最適解に達することが示されている。
  論文  参考訳（メタデータ） (2026-08-28T20:23:37Z)
• FastMix: Fast Data Mixture Optimization via Gradient Descent [55.109758242985556]
  Fastmixは、単一のプロキシモデルのみをトレーニングしながら、データミックスの検出を自動化する新しいフレームワークである。 混合比の最適化は、均一なソースサンプリングの下で、ソース当たりの損失重みを割り当てることと数学的に等価であることを示す。 FASTmixはベースラインを上回り、事前トレーニングや後トレーニングで検索コストを大幅に削減する。
  論文  参考訳（メタデータ） (2026-06-12T21:46:57Z)
• Zeroth-Order Methods for Stochastic Nonconvex Nonsmooth Composite Optimization [51.63258496873442]
  合成最適化問題に関するこれまでの研究は、滑らか性の主要な部分、あるいはこれら2つの近似滑らか性点をそれぞれ除外した機械学習の例を必要とする。 本研究では,この問題に対する2つの新しいアルゴリズムを提案する。 これらのアルゴリズムは数値実験により有効であることを示す。
  論文  参考訳（メタデータ） (2025-10-06T02:35:42Z)
• Adam assisted Fully informed Particle Swarm Optimization ( Adam-FIPSO ) based Parameter Prediction for the Quantum Approximate Optimization Algorithm (QAOA) [1.024113475677323]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、マックス・カット問題などの最適化問題の解法として用いられる顕著な変分アルゴリズムである。 QAOAの重要な課題は、高品質なソリューションにつながる適切なパラメータを効率的に特定することである。
  論文  参考訳（メタデータ） (2025-06-07T13:14:41Z)
• Efficient hybrid variational quantum algorithm for solving graph coloring problem [4.4739537033766705]
  本稿では,グラフ頂点の$k$-coloring問題を解くために,ハイブリッド変分量子アルゴリズムを提案する。 フィードバック修正とコンフリクト解決を統合した階層的なフレームワークを使用して、$k$-coloringを実現しています。 提案手法を用いて、地下鉄の交通ネットワークのスケジューリングを最適化し、高い公平性を実証する。
  論文  参考訳（メタデータ） (2025-04-30T05:45:15Z)
• Warm-Starting QAOA with XY Mixers: A Novel Approach for Quantum-Enhanced Vehicle Routing Optimization [11.41994899497275]
  量子進化を導くために古典的な近似解を取り入れたウォームスタート技術と、XYミキサーのようなカスタムミキサー・ハミルトン(英語版)は、探索を問題の構造に合わせた実行可能な部分空間に制限する。 本稿では、これらの2つの戦略を統合し、高品質な古典解に対する制約対応量子進化を可能にするアプローチを提案する。 現実の自動車問題におけるサブルーチンとして頻繁に遭遇する標準最適化問題であるトラベリングセールスパーソン問題(Traveing Salesperson Problem)の5都市事例に対するアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-28T16:08:38Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
  論文  参考訳（メタデータ） (2022-03-01T19:47:16Z)
• Divide and Learn: A Divide and Conquer Approach for Predict+Optimize [50.03608569227359]
  予測+最適化問題は、予測係数を使用する最適化プロブレムと、確率係数の機械学習を組み合わせる。 本稿では, 予測係数を1次線形関数として, 最適化問題の損失を直接表現する方法を示す。 本稿では,この制約を伴わずに最適化問題に対処し,最適化損失を用いてその係数を予測する新しい分割アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-04T00:26:56Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)
• 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。