論文の概要: A Variational Quantum Algorithm for Multi-Skill Project Scheduling

• arxiv url: http://arxiv.org/abs/2611.06502v1
• Date: Wed, 04 Nov 2026 13:33:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.122021
• Title: A Variational Quantum Algorithm for Multi-Skill Project Scheduling
• Title（参考訳）: マルチスキルプロジェクトスケジューリングのための変分量子アルゴリズム
• Abstract要約: 本研究では,現実的なマルチスキル資源制約型プロジェクトスケジューリング問題(MSRCP)をシミュレートする。 時間的バッチ分解を使用して1日に1回解決し、残りのワークロードを伝搬し、すべてのバッチを30キュービット以下に保持する対数バイナリエンコーディングと組み合わせます。 QUBOハミルトニアンの基底状態は計算基底状態であるため、解を表すために絡み合いは不要であり、それがアンザッツのトレーニングに役立つか妨げるのかという疑問を提起する。
• 参考スコア（独自算出の注目度）: 0.1565870461096057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Job scheduling is an NP-hard optimization problem with clear industrial relevance. In practice, distributing work across a team is not only about meeting deadlines or improving productivity; it also affects fatigue, stress, and employee well-being. Variational Quantum Algorithms (VQAs) provide a promising way to address these problems through QUBO formulations, although their scalability on near-term NISQ hardware is still limited by Hilbert-space growth and barren plateaus. In this work, we simulate a VQA for a realistic Multi-Skill Resource-Constrained Project Scheduling Problem (MS-RCPSP), including worker capacities, skill matrices, task priorities, deadlines, and calendar stability during rescheduling. To keep the problem within a near-term circuit size, we use a temporal batch decomposition that solves one day at a time, propagates the remaining workload, and combines it with a logarithmic binary encoding that keeps every batch at or below 30 qubits. Because the ground state of a QUBO Hamiltonian is a computational basis state, entanglement is not required to represent the solution, raising the question of whether it helps or hinders ansatz training. We address this question by comparing the linear and brick-wall entangling topologies of a hardware-efficient ansatz with an entanglement-free reference that has the same number of parameters and by training every configuration with COBYLA and with Adam using SPSA gradient estimation. For the instance and initialization studied, the entanglement-free reference produced feasible schedules under both optimizers. With COBYLA, it produced the feasible schedule closest to the required workload at a fraction of the simulation cost of the entangled topologies, indicating that entanglement did not improve the solutions found by the VQA.
• Abstract（参考訳）: ジョブスケジューリングは、産業関連性を明確にしたNPハード最適化問題である。 実際には、チーム間で仕事を分散することは、期限を満たしたり、生産性を向上させるだけでなく、疲労やストレス、従業員の幸福にも影響します。 変分量子アルゴリズム(VQA)はQUBOの定式化によってこれらの問題に対処する有望な方法を提供するが、NISQハードウェア上でのスケーラビリティはヒルベルト空間の成長と不毛な台地によって制限されている。 本研究では,作業能力,スキルマトリックス,タスク優先順位,期限,スケジュール変更時のカレンダー安定性などを含む,現実的なマルチスキルリソース制約型プロジェクトスケジューリング問題(MS-RCPSP)のVQAをシミュレートする。 この問題を短期的な回路サイズに抑えるため、時間的バッチ分解を用いて1日に1回解決し、残りのワークロードを伝搬し、全バッチを30キュービット以下に保持する対数バイナリエンコーディングと組み合わせる。 QUBOハミルトニアンの基底状態は計算基底状態であるため、解を表すために絡み合いは不要であり、それがアンザッツのトレーニングに役立つか妨げるのかという疑問を提起する。 ハードウェア効率の良いアンサッツの線形およびレンガ壁の絡み合ったトポロジと、同じ数のパラメータを持つ絡みのない参照を比較し、COBYLAとAdamでSPSA勾配推定を用いて全ての構成をトレーニングすることで、この問題に対処する。 インスタンスと初期化について、絡みのない参照は両方のオプティマイザの下で実現可能なスケジュールを生成した。 COBYLAでは、絡み合ったトポロジのシミュレーションコストのごく一部で必要な作業負荷に最も近い実行スケジュールを生成し、絡み合いがVQAの解を改善しないことを示唆した。

関連論文リスト

• The Multi-AMR Buffer Storage, Retrieval, and Reshuffling Problem: Exact and Heuristic Approaches [0.5219568203653523]
  本稿では,マルチAMR BSRRPを導入し,ロボット群を協調して並列リシャッフルタスクを管理する。 ベンチマーク目的の正確なソリューションを得るために、バイナリプログラミング(IP)モデルを定式化します。
  論文  参考訳（メタデータ） (2026-03-27T15:51:38Z)
• A Non-Variational Quantum Approach to the Job Shop Scheduling Problem [0.3078691410268859]
  短期的ハードウェア制限を軽減するために設計されたQAOAの変種であるIterative-QAOAを紹介する。 我々は,Just-in-Time Job Shop Scheduling Problem (JIT-JSSP) のインスタンスをIonQ Forte Generation QPU上でベンチマークする。 反復-QAOAは、評価された全ての問題インスタンスに対して、最適解と高品質でほぼ最適解を見つけるために、しっかりと収束していることがわかった。
  論文  参考訳（メタデータ） (2025-10-30T16:14:13Z)
• Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
  本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。 システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。 提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
  論文  参考訳（メタデータ） (2025-10-23T02:55:40Z)
• 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)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Reinforcement Learning for Assignment Problem with Time Constraints [0.0]
  本稿では、労働者グループに複数のタスクをマッピングしたアサインメント問題のためのエンドツーエンドフレームワークを提案する。 我々は,課題に関連する総コストを最小化することにより,問題の最適解を見つけるための強化学習エージェントを訓練する。 また、同じフレームワークを用いて、ビンパッキングおよび静電容量化車両ルーティング問題に関する結果も示す。
  論文  参考訳（メタデータ） (2021-06-05T10:10:52Z)
• 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)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)
• Straggler-aware Distributed Learning: Communication Computation Latency Trade-off [56.08535873173518]
  ストラグワーカーは冗長な計算を割り当て、データと計算をまたいでコーディングすることで許容できる。 既存のほとんどのスキームでは、各非ストラグリングワーカーは、全ての計算を完了した後、1イテレーションごとに1つのメッセージをパラメータサーバ(PS)に送信する。 このような制限を課すことで、ストレグリング動作の不正確な予測による過剰計算と、ストレグラー/非ストレグラーとしての作業員の処理による未使用の2つの主な欠点が生じる。
  論文  参考訳（メタデータ） (2020-04-10T08:39:36Z)

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。