論文の概要: Reducing QUBO Complexity in Drone Delivery Through Classical Feasibility Preprocessing
- arxiv url: http://arxiv.org/abs/2610.21003v1
- Date: Wed, 14 Oct 2026 22:53:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.100893
- Title: Reducing QUBO Complexity in Drone Delivery Through Classical Feasibility Preprocessing
- Title（参考訳）: 古典的実現可能性前処理によるドローン配送におけるQUBO複雑性の低減
- Abstract要約: ドローン配達計画では、ルーティング決定とペイロード容量やオンボードエネルギーの制限といった運用上の制約を組み合わせる。
本研究は、候補ドローンのミッションを古典的に生成・評価するハイブリッド量子-古典的アプローチについて検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Drone-delivery planning combines routing decisions with operational constraints such as payload capacity and limited onboard energy, resulting in combinatorial optimization problems that can become costly to encode directly in binary form. This work investigates a hybrid quantum--classical approach in which candidate drone missions are generated and evaluated classically before constructing a quadratic unconstrained binary optimization (QUBO) model for mission selection. Payload- and energy-infeasible missions are removed during preprocessing, while the reduced QUBO is solved using exact enumeration, simulated annealing (SA), and the Quantum Approximate Optimization Algorithm (QAOA), with mixed-integer linear programming (MILP) used as a classical reference. Experiments on controlled synthetic delivery instances evaluate solution quality, the effect of preprocessing, and computational scaling. Exact QUBO optimization reproduces the MILP optimum on the evaluated small instances, while SA achieves $100\%$ feasibility with a median optimality gap of $0\%$. Combined payload-and-energy preprocessing reduces the mean number of QUBO variables by $29.60\%$ and quadratic interactions by $49.20\%$, while reducing mean SA runtime by $31.26\%$. In contrast, the evaluated shallow statevector-based QAOA configuration achieves lower feasibility and is restricted to small QUBO instances. These results indicate that, in the considered setting, the main practical benefit of the hybrid architecture comes from classical feasibility preprocessing that reduces the binary search space before QUBO-based optimization.
- Abstract（参考訳）: ドローン配送計画では、ルーティング決定とペイロード容量やオンボードエネルギーの制限といった運用上の制約を組み合わせることで、バイナリ形式で直接エンコードするコストがかかるような組合せ最適化の問題が発生する。
本研究では,計画選択のための2次非拘束バイナリ最適化(QUBO)モデルを構築する前に,候補となるドローンのミッションを古典的に生成・評価するハイブリッド量子古典的アプローチについて検討する。
プリプロセッシングでは、負荷とエネルギーが不要なミッションが取り除かれ、削減されたQUBOは、正確な列挙、シミュレートされたアニーリング(SA)、量子近似最適化アルゴリズム(QAOA)を用いて、古典的な参照として混合整数線形プログラミング(MILP)を用いて解決される。
制御された合成デリバリーインスタンスの実験は、ソリューションの品質、前処理の効果、計算スケーリングを評価する。
厳密なQUBO最適化は、評価された小インスタンス上でMILP最適化を再現するが、SAは、中央値の最適性ギャップが0\%$である100\%$実現可能である。
ペイロードとエネルギーを組み合わせた前処理により、QUBO変数の平均値は29.60 %$、二次相互作用は49.20 %$、平均SAランタイムは31.26 %$である。
対照的に、評価された浅い状態ベクトルベースのQAOA構成は、低い実現可能性を実現し、小さなQUBOインスタンスに制限される。
これらの結果から,ハイブリッドアーキテクチャの主な実用的メリットは,QUBOによる最適化前のバイナリ検索スペースを削減できる,古典的な実現可能性前処理にあることが示唆された。
関連論文リスト
- Work While They Sleep: Exploiting Evaluation Latency for Fully Bayesian Optimization [53.886098984181956]
提案手法は, 目的評価待ち時間を用いて, 次の提案の計算をヘッドスタートするアルゴリズムであるELF-BOを提案する。
ELF-BOはベイズ的手法と同等であり,決定遅延は標準BOと同等かそれ以上である。
論文 参考訳（メタデータ） (2026-10-06T18:32:38Z) - Quantum-Based Optimization of Gas Throughput in Natural Gas Transmission Networks Under Hydraulic Constraints Using QAOA [0.27998963147546135]
水圧および運用上の制約下での伝送ネットワークにおけるガススループットの最大化は、ネットワークサイズとともに複雑性が指数関数的に増大する問題である。
本稿では,パンハンドル-B水理方程式の下での節圧割り当てを最適化することにより,グラフに基づく最適化問題に対処する。
そこで本研究では,QAOA回路の動作を従来よりもかなり浅くすることで,有意義なガスネットワーク最適化動作が得られることを示す。
論文 参考訳（メタデータ） (2026-09-01T07:26:34Z) - Model Compression with Exact Budget Constraints via Riemannian Manifolds [39.54576236079211]
トータルコスト予算の下で各NグループにKオプションの1つを割り当てることは、効率的なAIにおいて繰り返し発生する問題である。
我々は、ソフトマックス緩和の下で、予算制約がロジット空間における滑らかなリーマン多様体を異常に単純な幾何学で定義することを示す新しいアプローチを示す。
これらの特性に基づいて、接射影、二分探索リトラクション、運動量輸送を標準とするリーマン制約最適化(RCO)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:30:23Z) - EQE-QAOA: An Equivalence-Preserving Qubit Efficient Framework for Combinatorial Optimization [54.05451096499336]
既存の技術は情報損失のコストで量子ビットの削減に依存しており、計算性能は劣化している。
等価保存量子ビット効率QAOAを提案し、性能を劣化させることなく必要なキュービット数を著しく削減する。
完全独立変数を持つ非制約問題を除いて,大規模最適化問題に広く適用可能であることを示す。
論文 参考訳（メタデータ） (2026-04-20T13:57:49Z) - VBO-MI: A Fully Gradient-Based Bayesian Optimization Framework Using Variational Mutual Information Estimation [1.0829694003408499]
VBO-MIは多変量相互情報推定の最近の進歩を生かした,完全な勾配に基づくBOフレームワークである。
提案手法は,高次元合成関数や複雑な実世界のタスクを含む,多種多様なベンチマークを用いて評価する。
論文 参考訳（メタデータ） (2026-01-13T03:07:52Z) - An Optimization-Free Recursive QAOA for the Binary Paint Shop Problem [0.0]
BPSP(Binary Paint Shop Problem)は、自動車間の色の変化を最小限に抑えつつ、一定の制約の下で車列を塗装しなければならない製造における最適化問題である。
パラメータ転送はQAOAとRQAOAの最適化よりも解の質が著しく低下しないことを示す。
RQAOAはフルステートベクターの代わりに$Z$-correlationsを計測することしか必要とせず、CNOT数と深さが著しく低い回路につながる逆カソーサルコーンの利点がある。
論文 参考訳（メタデータ） (2025-07-15T01:54:11Z) - PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing [66.27103948750306]
PearSANは、大きな設計空間を持つ逆設計問題に適用可能な機械学習支援最適化アルゴリズムである。
ピアソン相関代理モデルを用いて、真の設計計量のメリットの図形を予測する。
最先端の最大設計効率は97%で、少なくとも以前の方法よりも桁違いに高速である。
論文 参考訳（メタデータ） (2024-12-26T17:02:19Z) - Parallel Bayesian Optimization Using Satisficing Thompson Sampling for
Time-Sensitive Black-Box Optimization [0.0]
本稿では,Thompsonサンプリングに基づく並列BO手法を提案する。
ターゲットを最適なソリューションから、学習しやすい満足できるソリューションにシフトします。
リチウムイオン電池の高速充電設計問題に対して提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2023-10-19T07:03:51Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$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) - Breaking the Sample Complexity Barrier to Regret-Optimal Model-Free
Reinforcement Learning [52.76230802067506]
漸進的強化学習における後悔を最小限に抑えるために,新しいモデルフリーアルゴリズムを提案する。
提案アルゴリズムは、2つのQ-ラーニングシーケンスの助けを借りて、初期設定された参照更新ルールを用いる。
初期の分散還元法の設計原理は、他のRL設定とは独立した関心を持つかもしれない。
論文 参考訳（メタデータ） (2021-10-09T21:13:48Z)
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。