論文の概要: Benchmarking quantum-annealing-based approaches for factory layout planning

• arxiv url: http://arxiv.org/abs/2610.35478v1
• Date: Mon, 26 Oct 2026 14:11:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 18:14:22.916296
• Title: Benchmarking quantum-annealing-based approaches for factory layout planning
• Title（参考訳）: 量子アニールに基づく工場レイアウト計画のベンチマーク
• Abstract要約: 本論文は、対応する解法を用いて実装された4つのQAベースのアプローチをベンチマークする。 これらの手法は、遺伝的アルゴリズム、粒子群最適化、ハイブリッドタブ検索およびシミュレーションアニールアプローチに対してベンチマークされる。 その結果、QAベースのアプローチは、競争力のあるソリューションの品質と、相当な計算上の優位性を達成できることが示されている。
• 参考スコア（独自算出の注目度）: 11.106255381859972
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The earlystage of factory layout planning has a direct effect on the operating costs, efficiency, and productivity of manufacturing systems. Conventional automated planning approaches often face a trade-off between solution quality and computational effort. Recent studies have investigated the potential of quantum annealing (QA) for solving factory layout planning problems. However, existing studies have mainly focused on individual QA-based formulations, whereas current hybrid QA solvers support multiple model types that combine QA and classical methods. To explore the potential of QA for factory layout planning, this paper benchmarks four QA based approaches implemented with the corresponding solvers, including an iterative binary quadratic model (IBQM), a hybrid discrete quadratic model (HDQM), a hybrid constrained quadratic model (HCQM), and a hybrid nonlinear model (HNLM). To improve scalability, an iterative decomposition strategy is developed for IBQM, while a candidate selection procedure is introduced for HDQM. The approaches are benchmarked against genetic algorithm, particle swarm optimization, and a hybrid tabu search and simulated annealing approach on 14 layout instances with different layout sizes, geometric complexity, spatial restrictions, and transport route configurations. The comparative analysis considers solution quality, computation time, and scalability. The results show that QA-based approaches achieve competitive solution quality and substantial computational advantages, reducing computation time by up to 94.51% relative to the classical reference methods. Among them, IBQM obtains the best solution quality in 78.6% of the instances, with a maximum improvement of 17.41% associated with an 81.34% reduction in computation time. These findings provide a basis for their further application in industrial layout planning.
• Abstract（参考訳）: 工場レイアウト計画の初期段階は、製造システムの運用コスト、効率、生産性に直接影響を及ぼす。 従来の自動計画手法は、ソリューションの品質と計算努力のトレードオフに直面することが多い。 近年, 工場配置計画問題に対する量子アニール (QA) の可能性について検討している。 しかし、既存の研究は主に個別のQAに基づく定式化に焦点を当てているが、現在のハイブリッドQAソルバは、QAと古典的手法を組み合わせた複数のモデルタイプをサポートしている。 本稿では,工場レイアウト計画におけるQAの可能性を探るため,反復二分法モデル (IBQM) ,ハイブリッド離散二分法モデル (HDQM) ,ハイブリッド拘束二分法モデル (HCQM) ,ハイブリッド非線形モデル (HNLM) の4つの手法をベンチマークする。 スケーラビリティを向上させるため、IBQMの反復分解戦略を開発し、HDQMの候補選択手順を導入した。 アプローチは、遺伝的アルゴリズム、粒子群最適化、および、異なるレイアウトサイズ、幾何学的複雑さ、空間的制約、トランスポートルート構成を持つ14のレイアウトインスタンスに対するハイブリッドタブ検索およびシミュレートされたアニーリングアプローチに対してベンチマークされる。 比較分析では、ソリューションの品質、計算時間、スケーラビリティが考慮されている。 その結果,従来の参照手法と比較して計算時間を最大94.51%削減した。 IBQMは78.6%のインスタンスで最高のソリューション品質を獲得し、最大で17.41%の改善が81.34%の計算時間削減に結びついている。 これらの知見は、産業レイアウト計画におけるさらなる応用の基礎となる。

関連論文リスト

• A Target-Centric Survey of Quantization-Aware Training [53.52583463060327]
  量子化アウェアトレーニング(QAT)技術は、これらの課題に対処するための有望なソリューションとして登場した。 QAT技術は、モデルトレーニング中に量子化効果を明示的にシミュレートし、完全精度に匹敵する精度を達成する低ビットモデルを生成する。
  論文  参考訳（メタデータ） (2026-08-30T09:04:47Z)
• A framework to evaluate the performance of Variational Quantum Algorithms [0.0]
  変分量子アルゴリズム(VQA)はノイズ量子デバイスにおける最適化問題を解くための有望な手法である。 VQAのベンチマークは、その振る舞いと標準化されたパフォーマンス基準の欠如のために難しい。 本研究は、擬似非制約二項最適化問題に適用されるVQAを評価するための一般的なフレームワークを紹介する。
  論文  参考訳（メタデータ） (2026-01-21T13:15:57Z)
• Quantum-classical hybrid algorithm using quantum annealing for multi-objective job shop scheduling [0.5872014229110214]
  効率的な生産計画は、リードタイムなどの性能指標を改善し、人間の直感への依存を減らすために、現代製造業において不可欠である。 この問題を2つのサブプロブレム(リソース割り当てとタスクスケジューリング)に分解する量子古典ハイブリッドアルゴリズムを開発した。 実験により,従来のモノリシック手法に比べて解法品質と計算効率が優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-05T07:39:09Z)
• QUBO-based training for VQAs on Quantum Annealers [0.06372261626436675]
  量子アニールは、大規模な最適化問題を解決する効果的なフレームワークを提供する。 本研究は変分量子アルゴリズムを学習するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-09-01T22:57:49Z)
• Preference Optimization for Combinatorial Optimization Problems [54.87466279363487]
  強化学習(Reinforcement Learning, RL)は、ニューラルネットワーク最適化のための強力なツールとして登場した。 大幅な進歩にもかかわらず、既存のRLアプローチは報酬信号の減少や大規模な行動空間における非効率な探索といった課題に直面している。 統計的比較モデルを用いて定量的報酬信号を定性的選好信号に変換する新しい手法であるPreference Optimizationを提案する。
  論文  参考訳（メタデータ） (2025-05-13T16:47:00Z)
• Enhancing Multi-Step Reasoning Abilities of Language Models through Direct Q-Function Optimization [49.362750475706235]
  強化学習(Reinforcement Learning, RL)は、大規模言語モデルを人間の好みと整合させ、複雑なタスクを遂行する能力を向上させる上で重要な役割を担っている。 反応生成過程をマルコフ決定プロセス(MDP)として定式化し,ソフトアクター・クリティック(SAC)フレームワークを用いて,言語モデルによって直接パラメータ化されたQ関数を最適化する,直接Q関数最適化(DQO)を提案する。 GSM8KとMATHという2つの数学問題解決データセットの実験結果から、DQOは従来の手法よりも優れており、言語モデルを整合させるための有望なオフライン強化学習手法として確立されている。
  論文  参考訳（メタデータ） (2024-10-11T23:29:20Z)
• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。 また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)
• Multi-Timescale Ensemble Q-learning for Markov Decision Process Policy Optimization [21.30645601474163]
  元々のQ-ラーニングは、非常に大きなネットワークにわたるパフォーマンスと複雑性の課題に悩まされている。 従来のQ-ラーニングに適応したモデルフリーアンサンブル強化学習アルゴリズムを提案する。 計算結果から,提案アルゴリズムは平均ポリシエラーを最大55%,実行時複雑性を最大50%削減できることがわかった。
  論文  参考訳（メタデータ） (2024-02-08T08:08:23Z)
• Multi-objective Quantum Annealing approach for solving flexible job shop scheduling in manufacturing [0.0]
  本稿では、フレキシブルジョブショップスケジューリング問題に対処するため、量子アニーリングに基づく問題解決アルゴリズム(QASA)を提案する。 ベンチマーク問題の実験では、タブ検索、シミュレートされたアニーリング、量子アニーリングを組み合わせたQASAが、古典的解法アルゴリズム(CSA)のソリューション品質を上回っている。
  論文  参考訳（メタデータ） (2023-11-16T07:45:57Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。