양자 컴퓨팅 지향 조합 최적화 문제를 위한 벤치마크 QOPTLib
QOPTLib은 여행 외판원 문제, 차량 경로 문제, 1차원 포장 문제, 최대 컷 문제 등 4가지 유명한 조합 최적화 문제에 대한 40개의 다양한 인스턴스로 구성된 벤치마크이다.
최적화 문제 해결을 위한 간단하고 효과적인 탐색 기법: 게이지 변환
게이지 변환 기법을 활용하면 강화 학습 모델이 조합 최적화 문제에서 더 효과적으로 탐색할 수 있다.
k-연결 부분 그래프 문제에 대한 효율적인 해결 방법
k-연결 부분 그래프 문제에 대해 비용이 k+10-연결 부분 그래프 문제의 최적 해 비용 이하인 해를 다항 시간 내에 찾는 알고리즘을 제시한다.
우수한 유전 알고리즘을 통한 전력 법칙 매개변수 선택과 간단한 탐욕 휴리스틱 기반의 대상 집합 선택 문제 해결
본 연구는 복잡한 매개변수 튜닝 없이도 우수한 성능을 보이는 유전 알고리즘 기반 대상 집합 선택 문제 해결 방법을 제안한다. 전력 법칙 분포를 이용한 온라인 매개변수 선택과 간단한 탐욕 휴리스틱을 통해 기존 최신 기법들을 능가하는 결과를 달성하였다.
QAP 문제 해결을 위한 두 단계 그래프 포인터 네트워크와 강화 학습
두 단계 그래프 포인터 네트워크 모델을 통해 QAP 문제의 준최적 해를 효율적으로 도출할 수 있다.
실용적인 이징 기계 벤치마크를 향하여: 이진 배낭 문제에 대한 사례 연구
이징 기계를 이용하여 이진 배낭 문제를 효율적으로 해결하기 위해서는 제약 조건을 다루는 방법이 중요하다. 본 연구에서는 수리 및 개선 절차를 이용한 후처리 방법을 제안하여 이징 기계의 성능을 크게 향상시킬 수 있음을 보여준다.
n대의 차량 탐색 문제는 NP-완전 문제이다
n대의 차량이 함께 여행하면서 연료를 공유하여 그중 한 대의 차량이 최대 거리를 주행할 수 있는 순서를 찾는 문제는 NP-완전 문제이다.
OP 조합 최적화를 위한 Q-Learning 기반 포인터 네트워크
포인터 네트워크와 Q-Learning을 결합한 PQN(Pointer Q-Network) 모델은 OP 문제에서 우수한 성능을 보인다. PQN은 포인터 네트워크의 순열 생성 능력과 Q-Learning의 장기 보상 평가 능력을 효과적으로 활용하여 OP 문제의 복잡성을 해결한다.
가격 결정 문제에 대한 동적 프로그래밍 모델 기반의 효율적인 해결 방법
본 논문에서는 조합 가격 결정 문제를 해결하기 위해 동적 프로그래밍 모델을 활용한 단일 수준 reformulation을 제안한다. 이를 통해 기존의 이중 수준 문제를 효율적으로 해결할 수 있다.
양진폭 앙상블 양자 영감 타부 탐색 알고리즘을 이용한 0/1 배낭 문제 해결
본 연구에서는 기존 양자 영감 타부 탐색 알고리즘(QTS)을 개선한 양진폭 앙상블 양자 영감 타부 탐색 알고리즘(AE-QTS)을 제안한다. AE-QTS는 QTS에 비해 최소 20% 이상의 성능 향상을 보이며, 문제 복잡도가 높아질수록 그 차이가 더욱 두드러진다.
© 2024 by Linnk AI