JP2021002331A - アニーラシステムにおけるnp問題の解決の自動化 - Google Patents
アニーラシステムにおけるnp問題の解決の自動化 Download PDFInfo
- Publication number
- JP2021002331A JP2021002331A JP2020078410A JP2020078410A JP2021002331A JP 2021002331 A JP2021002331 A JP 2021002331A JP 2020078410 A JP2020078410 A JP 2020078410A JP 2020078410 A JP2020078410 A JP 2020078410A JP 2021002331 A JP2021002331 A JP 2021002331A
- Authority
- JP
- Japan
- Prior art keywords
- user
- optimization
- optimization problem
- objective function
- user input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 claims abstract description 438
- 238000000034 method Methods 0.000 claims abstract description 80
- 238000009472 formulation Methods 0.000 claims description 108
- 239000000203 mixture Substances 0.000 claims description 108
- 238000013507 mapping Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 208
- 230000009471 action Effects 0.000 description 36
- 238000000137 annealing Methods 0.000 description 31
- 238000003860 storage Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 22
- 238000011068 loading method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 238000012856 packing Methods 0.000 description 14
- 238000005520 cutting process Methods 0.000 description 9
- 238000013500 data storage Methods 0.000 description 9
- 230000002085 persistent effect Effects 0.000 description 9
- 238000005192 partition Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004040 coloring Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002922 simulated annealing Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000000275 quality assurance Methods 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000005366 Ising model Effects 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/0485—Scrolling or panning
- G06F3/04855—Interaction with scrollbars
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
我々は、各オブジェクトの重みがWで与えられ、オブジェクトi及びjの双方が選択された場合には価値Vijの、N個のオブジェクトのリストを有する。我々は、重み容量Cだけ運べるM個のナップサックを有する。問題は、選択されたオブジェクトの総重量が重み容量未満であるという制約の下で、選択されたオブジェクトの価値を最大化することである。
を含んでもよい。カッティングストック問題602は、「長さcの無限個数のロールと、m個の異なるタイプのアイテムを与えられる。長さwi、i=1...wiの少なくともBi個のロールが、ベースロールからカットされる必要がある。目的は、使用されるロールの数を最小化することである」として記述され得る。Bi=1の場合、i∈1...mについて、カッティングストック問題602は、ビンパッキング問題604として縮小/簡略化されてもよく、異なるボリュームのオブジェクトは、使用されるビンの数を最小化にする方法で、各々がボリュームVの有限個数のビン又はコンテナにパッキングされなければならない。
を含んでもよい。複数ナップサック問題606は、「我々は、各オブジェクトの重みが
で与えられ、価値が
のn個のオブジェクトのリストを有する。我々は、重み容量
だけ運べるm個のナップサックを有する。問題は、選択されたオブジェクトの総重量が重み容量未満であるという制約の下で、選択されたオブジェクトの価値を最大化することである」として記述され得る。複数ナップサック問題606は、二次ナップサック問題608に一般化されるか、あるいは0‐1ナップサック問題610に縮小されてもよい。Vij=0の場合、i≠jについて、Vijが、オブジェクトi及びjの双方が選択された場合の価値の場合、二次ナップサック問題608は、0‐1ナップサック問題610に縮小されてもよい。i≠jについて、重み
が、価値
に等しい場合、0‐1ナップサック問題610は、部分集合和問題612に縮小されてもよい。部分集合和問題612は、「非負の整数の集合Sと値の和VSを与えられ、与えられた和に等しい和VNを有する与えられた集合の部分集合SNが存在するかを判定する」として記述され得る。2つの部分集合が存在する場合、部分集合和問題612は、数分割問題614に縮小されてもよい。ここで、知識グラフ600Aは単なる一例であり、本開示の範囲を限定するものとみなされるべきでないことに留意されたい。
を含んでもよく、ここで、nはオブジェクトの数を表し、m(m<n)はナップサックの数を表し、
は、それぞれ、各オブジェクトの重み及び価値のベクトルであり、
は、m個のナップサックにより運べる総重み容量のベクトルである。
が、価値
に等しい場合、0‐1ナップサック問題が部分集合和問題に縮小できるかどうかがさらに決定されてもよい(図6A参照)。
二次制約なしバイナリ最適化(QUBO)関数、
等式制約のセットを有する第1の二次バイナリ最適化関数、
不等式制約のセットを有する第2の二次バイナリ最適化関数、
小さい(0又は1)不等式制約のセットを有する第3の二次バイナリ最適化関数、又は
混合線形整数計画(MILP)関数
のうち1つでもよい。
第2の二次バイナリ最適化関数は式(4)と同じであるが、不等式制約の右辺(RHS)を0又は1であるように制限しない。
ここで、xij∈Z+は、アイテムタイプ(i)がロール(j)で何回カットされるかを表し、yi∈(0,1)は、ロール(j)がカットに使用されるか否かを表す。
定式化(7)は、定式化(6)と比較して、より良い解を得るために解空間をフィルタリングするためのさらなる制約を有するため、定式化(7)が、最適な定式化(すなわち、第1の目的関数及び制約)として選択されてもよい。
ここで、xはバイナリ決定変数のベクトルであり、Qは定数の正方Q行列である。Q行列は対称行列又は上三角行列でもよい。式(8)のQ行列は、特定の最適化問題に対応するNP問題に対する解を生成するために、デジタルアニーラ又は量子アニーラデバイスなどの最適化ソルバマシン108により必要とされ得る。第2の目的関数の定式化のさらなる詳細は、例えば、図9で提供される。
式(9)から、第1の目的関数は等式制約タイプを有し得る。ゆえに、第1の目的関数(式(9)で与えられる)に二次ペナルティ項(P・(Ax−b)T・(Ax−b))が付加されて、第2の目的関数を得てもよく、これは、式(10)により以下のように与えられてもよい。
である。sjは、0≦sj≦Ujであるようにバイナリ変数のセットにより符号化されてもよく、すなわち、
である。スラック変数は、バイナリ変数(ei)のリストによりさらに置き換えられてもよい。その後、ペナルティ項は、第1の目的関数(912と同じ)にさらに付加されてもよい。
である。その後、sjは、0≦sj≦Ujであるようにバイナリ変数のセットにより符号化されてもよく、すなわち、
である。剰余変数は、バイナリ変数(ei)のリストにより置き換えられてもよく、ペナルティ項は、第1の目的関数(912と同じ)に付加されてもよい。
ここで、P(.)は多項式関数を表す。
)が付加されてもよい。あるいは不等式制約を等式制約に変換するために、[0,m−1]の範囲を有する剰余整数変数sが追加されてもよい。すなわち、ペナルティ項(すなわち、P・(Σm i=1xi−1−s)2)が第1の目的関数に付加されてもよい。ここで、Pは大きい数の定数である。整数変数sは、対数又はワンホットエンコーディングを使用してバイナリ変数のセットにより符号化されてもよい。
)が第1の目的関数に付加されてもよい。
(付記1)
複数の最適化問題についてのタクソノミ情報に対応する複数のユーザ選択可能な選択肢を含む電子ユーザインターフェースを表示するステップと、
前記複数の最適化問題のうち特定の最適化問題のために第1のテンプレートを選択する第1のユーザ入力を受信するステップであり、
前記第1のユーザ入力は、前記複数のユーザ選択可能な選択肢のうち少なくとも1つのユーザ選択可能な選択肢の選択を含む、ステップと、
前記特定の最適化問題のための前記選択された第1のテンプレートを介して第2のユーザ入力を受信するステップであり、
前記第2のユーザ入力は、前記選択された第1のテンプレート内に指定される、前記特定の最適化問題の複数のパラメータに対する入力データを含む、ステップと、
前記受信した第2のユーザ入力に基づいて前記特定の最適化問題に対する解を生成するために最適化ソルバマシンへの呼び出しを提供するステップと、
を含む方法。
(付記2)
前記複数の最適化問題のうち各最適化問題は、組み合わせ最適化問題に対応し、
前記特定の最適化問題は、複数のNP問題のうち非決定性多項式時間(NP)問題に対応する、付記1に記載の方法。
(付記3)
前記NP問題は、グラフ彩色問題、クリーク問題、独立集合問題、クリーク被覆問題、ミニマックスマッチング問題、ナップサック問題、部分集合和問題、ビンパッキング問題、カッティングストック問題、数分割問題、ハミルトン閉路問題、巡回セールスマン問題、直接フィードバック集合問題、車両経路問題、ジョブショップスケジューリング問題、一般化割当問題、二次割当問題、集合パッキング問題、集合分割問題、集合被覆問題、又はK‐Plex問題のうち1つである、付記2に記載の方法。
(付記4)
前記タクソノミ情報は、アプリケーション固有ドメインと、ドメイン固有アプリケーションと、前記ドメイン固有アプリケーションについてのサブ問題と、非決定性多項式時間(NP)問題とのうち1つ以上を含む、付記1に記載の方法。
(付記5)
最適化問題に関連づけられた複数のアプリケーション固有ドメインに関連づけられた第1の情報を取り出すステップと、
前記取り出された第1の情報に基づいて前記複数のアプリケーション固有ドメインをカテゴリのセットに分類するステップと、
前記カテゴリのセットのうち各カテゴリについて、ドメイン固有アプリケーションのセットを決定するステップと、
前記決定されたドメイン固有アプリケーションのセットのうち各ドメイン固有アプリケーションについて、サブ問題のセットを決定するステップと、
前記決定されたドメイン固有アプリケーションのセットのうち各ドメイン固有アプリケーションについて、前記決定されたサブ問題のセットにNP問題タイプのセットをマッピングするステップと、
前記マッピングされたNP問題タイプのセットに関連づけられた複数のNP問題についての知識グラフを生成するステップであり、前記知識グラフは、前記複数のNP問題のうち異なるNP問題間の関係を定義するデータ構造に対応する、ステップと、
をさらに含む付記1に記載の方法。
(付記6)
対応する複数の最適化問題のための複数のテンプレートを、前記マッピングされたNP問題タイプのセットに関連づけられた前記複数のNP問題についての前記生成された知識グラフに基づいて生成するステップであり、
前記複数のテンプレートのうち各テンプレートは、対応する最適化問題の前記複数のパラメータのための複数の入力フィールドを含み、
前記複数の入力フィールドのための前記複数のパラメータは、アプリケーション固有制約のセット、前記対応する最適化問題のための変数のセット、及び前記対応する最適化問題のための目的関数に少なくとも関連づけられた情報を含む、ステップ
をさらに含む付記5に記載の方法。
(付記7)
前記受信した第1のユーザ入力は、前記生成された複数のテンプレートからの前記第1のテンプレートの選択に対応する、付記6に記載の方法。
(付記8)
前記受信した第2のユーザ入力に基づいて、前記特定の最適化問題に対応するNP問題のための少なくとも1つの非決定性多項式時間(NP)定式化を構築するステップであり、
前記少なくとも1つのNP定式化の構築は、前記特定の最適化問題の前記複数のパラメータの、前記NP問題の複数の属性へのマッピングに対応する、ステップ
をさらに含む付記1に記載の方法。
(付記9)
前記構築するステップは、
複数のNP問題についての知識グラフと前記受信した第2のユーザ入力とに基づいて、前記特定の最適化問題について複数のNP定式化を評価するステップと、
前記評価された複数のNP定式化のうち各NP定式化において指定される制約の数に基づいて、前記特定の最適化問題についての前記評価された複数のNP定式化から少なくとも1つのNP定式化を選択するステップであり、
前記選択された少なくとも1つのNP定式化は、前記特定の最適化問題のための前記構築された少なくとも1つのNP定式化に対応する、ステップと、
を含む、付記8に記載の方法。
(付記10)
前記構築された少なくとも1つのNP定式化に基づいて、前記特定の最適化問題のための第1の目的関数を定式化するステップであり、
前記第1の目的関数は、前記NP問題の前記複数の属性間の関係を含む、ステップ
をさらに含む付記8に記載の方法。
(付記11)
前記第1の目的関数は、二次制約なしバイナリ最適化(QUBO)関数、等式制約のセットを有する第1の二次バイナリ最適化関数、不等式制約のセットを有する第2の二次バイナリ最適化関数、又は混合線形整数計画(MILP)関数のうち1つである、付記10に記載の方法。
(付記12)
前記定式化するステップは、
対応する目的関数のリストにマッピングされたNP問題のリストを含む第1のマッピングテーブルを取り出すステップと、
前記取り出された第1のマッピングテーブルに基づいて、前記特定の最適化問題に対応する前記NP問題について複数の第1の目的関数を評価するステップと、
前記評価された複数の第1の目的関数のうち各目的関数について指定された属性の数に基づいて、前記評価された複数の第1の目的関数から前記第1の目的関数を最適な目的関数として選択するステップと、
をさらに含む、付記10に記載の方法。
(付記13)
前記定式化された第1の目的関数に基づいて、前記最適化ソルバマシンによる実行に対し互換性のある第2の目的関数を定式化するステップであり、
前記定式化された第2の目的関数は、バイナリ決定変数のベクトルと前記定式化された第1の目的関数に対応するQ行列との間の関係を含む、ステップ
をさらに含む付記10に記載の方法。
(付記14)
前記定式化された第1の目的関数で使用される制約タイプを識別するステップであり、前記制約タイプは、前記定式化された第1の目的関数における不等式制約タイプ又は等式制約タイプのうち1つである、ステップと、
前記定式化された第1の目的関数で使用される決定された制約タイプが前記等式制約タイプ又は前記不等式制約タイプのうち1つであるという決定に基づいて、前記定式化された第1の目的関数にペナルティ項を付加するステップであり、
前記ペナルティ項は、前記定式化された第1の目的関数に適用可能な対応する制約タイプのリストにマッピングされたペナルティ項のリストを含む第2のマッピングテーブルにおいて指定される、ステップと、
をさらに含む付記13に記載の方法。
(付記15)
前記定式化された第2の目的関数を代数モデリング言語(AML)フォーマットで前記特定の最適化問題のために予め指定された前記最適化ソルバマシンにサブミットするステップと、
前記サブミットされた第2の目的関数を解くことにより前記特定の最適化問題に対する前記解を生成するために前記最適化ソルバマシンへの前記呼び出しを提供するステップと、
をさらに含む付記13に記載の方法。
(付記16)
前記定式化された第2の目的関数をAMLフォーマットで、前記最適化ソルバマシンを含む複数の最適化ソルバマシンにサブミットするステップと、
前記サブミットされた第2の目的関数に対する複数の解を生成するために前記複数の最適化ソルバマシンへの前記呼び出しを提供するステップと、
前記生成された複数の解に対するヒューリスティック関数の適用により、前記複数の最適化ソルバマシンのうち各最適化ソルバマシンについて性能尺度を決定するステップと、
前記決定された性能尺度が最大である対応する最適化ソルバマシンにより生成された解を、表示画面を介して出力するステップと、
をさらに含む付記13に記載の方法。
(付記17)
接続インターフェースを介して前記最適化ソルバマシンにアプリケーション固有データベースを接続するステップであり、前記アプリケーション固有データベースは、前記特定の最適化問題のための前記複数のパラメータにマッピングされた前記入力データを含む、ステップと、
前記最適化ソルバマシンをトリガするために満たされるべきユーザ指定条件のセットを決定するステップと、
前記ユーザ指定条件のセットが満たされるという決定に基づいて、前記特定の最適化問題を解くための前記接続されたアプリケーション固有データベースからの前記入力データを取り出すように前記最適化ソルバマシンをトリガするステップと、
をさらに含む、付記1に記載の方法。
(付記18)
前記最適化ソルバマシンは、前記特定の最適化問題を解くためのデジタル量子コンピューティングプロセッサに対応する、付記1に記載の方法。
(付記19)
命令を記憶するように構成された1つ以上の非一時的コンピュータ読取可能記憶媒体であって、前記命令は実行されたことに応答してシステムに動作を実行させ、前記動作は、
複数の最適化問題についてのタクソノミ情報に対応する複数のユーザ選択可能な選択肢を含む電子ユーザインターフェースを表示することと、
前記複数の最適化問題のうち特定の最適化問題のために第1のテンプレートを選択する第1のユーザ入力を受信することであり、
前記第1のユーザ入力は、前記複数のユーザ選択可能な選択肢のうち少なくとも1つのユーザ選択可能な選択肢の選択を含む、ことと、
前記特定の最適化問題のための前記選択された第1のテンプレートを介して第2のユーザ入力を受信することであり、
前記第2のユーザ入力は、前記選択された第1のテンプレート内に指定される、前記特定の最適化問題の複数のパラメータに対する入力データを含む、ことと、
前記受信した第2のユーザ入力に基づいて前記特定の最適化問題に対する解を生成するために最適化ソルバマシンへの呼び出しを提供することと、
を含む、媒体。
(付記20)
システムであって、
プロセッサであり、
複数の最適化問題についてのタクソノミ情報に対応する複数のユーザ選択可能な選択肢を含む電子ユーザインターフェースを表示し、
前記複数の最適化問題のうち特定の最適化問題のために第1のテンプレートを選択する第1のユーザ入力を受信し、
前記第1のユーザ入力は、前記複数のユーザ選択可能な選択肢のうち少なくとも1つのユーザ選択可能な選択肢の選択を含み、
前記特定の最適化問題のための前記選択された第1のテンプレートを介して第2のユーザ入力を受信し、
前記第2のユーザ入力は、前記選択された第1のテンプレート内に指定される、前記特定の最適化問題の複数のパラメータに対する入力データを含む
ように構成されたプロセッサと、
前記プロセッサに通信上結合された最適化ソルバマシンであり、前記受信した第2のユーザ入力に基づいて前記特定の最適化問題に対する解を生成するように構成される、最適化ソルバマシンと、
を含むシステム。
Claims (10)
- 複数の最適化問題についてのタクソノミ情報に対応する複数のユーザ選択可能な選択肢を含む電子ユーザインターフェースを表示するステップと、
前記複数の最適化問題のうち特定の最適化問題のために第1のテンプレートを選択する第1のユーザ入力を受信するステップであり、
前記第1のユーザ入力は、前記複数のユーザ選択可能な選択肢のうち少なくとも1つのユーザ選択可能な選択肢の選択を含む、ステップと、
前記特定の最適化問題のための前記選択された第1のテンプレートを介して第2のユーザ入力を受信するステップであり、
前記第2のユーザ入力は、前記選択された第1のテンプレート内に指定される、前記特定の最適化問題の複数のパラメータに対する入力データを含む、ステップと、
前記受信した第2のユーザ入力に基づいて前記特定の最適化問題に対する解を生成するために最適化ソルバマシンへの呼び出しを提供するステップと、
を含む方法。 - 最適化問題に関連づけられた複数のアプリケーション固有ドメインに関連づけられた第1の情報を取り出すステップと、
前記取り出された第1の情報に基づいて前記複数のアプリケーション固有ドメインをカテゴリのセットに分類するステップと、
前記カテゴリのセットのうち各カテゴリについて、ドメイン固有アプリケーションのセットを決定するステップと、
前記決定されたドメイン固有アプリケーションのセットのうち各ドメイン固有アプリケーションについて、サブ問題のセットを決定するステップと、
前記決定されたドメイン固有アプリケーションのセットのうち各ドメイン固有アプリケーションについて、前記決定されたサブ問題のセットにNP問題タイプのセットをマッピングするステップと、
前記マッピングされたNP問題タイプのセットに関連づけられた複数のNP問題についての知識グラフを生成するステップであり、前記知識グラフは、前記複数のNP問題のうち異なるNP問題間の関係を定義するデータ構造に対応する、ステップと、
をさらに含む請求項1に記載の方法。 - 対応する複数の最適化問題のための複数のテンプレートを、前記マッピングされたNP問題タイプのセットに関連づけられた前記複数のNP問題についての前記生成された知識グラフに基づいて生成するステップであり、
前記複数のテンプレートのうち各テンプレートは、対応する最適化問題の前記複数のパラメータのための複数の入力フィールドを含み、
前記複数の入力フィールドのための前記複数のパラメータは、アプリケーション固有制約のセット、前記対応する最適化問題のための変数のセット、及び前記対応する最適化問題のための目的関数に少なくとも関連づけられた情報を含む、ステップ
をさらに含む請求項2に記載の方法。 - 前記受信した第2のユーザ入力に基づいて、前記特定の最適化問題に対応するNP問題のための少なくとも1つの非決定性多項式時間(NP)定式化を構築するステップであり、
前記少なくとも1つのNP定式化の構築は、前記特定の最適化問題の前記複数のパラメータの、前記NP問題の複数の属性へのマッピングに対応する、ステップ
をさらに含む請求項1に記載の方法。 - 前記構築するステップは、
複数のNP問題についての知識グラフと前記受信した第2のユーザ入力とに基づいて、前記特定の最適化問題について複数のNP定式化を評価するステップと、
前記評価された複数のNP定式化のうち各NP定式化において指定される制約の数に基づいて、前記特定の最適化問題についての前記評価された複数のNP定式化から少なくとも1つのNP定式化を選択するステップであり、
前記選択された少なくとも1つのNP定式化は、前記特定の最適化問題のための前記構築された少なくとも1つのNP定式化に対応する、ステップと、
を含む、請求項4に記載の方法。 - 前記構築された少なくとも1つのNP定式化に基づいて、前記特定の最適化問題のための第1の目的関数を定式化するステップであり、
前記第1の目的関数は、前記NP問題の前記複数の属性間の関係を含む、ステップ
をさらに含む請求項4に記載の方法。 - 前記定式化された第1の目的関数に基づいて、前記最適化ソルバマシンによる実行に対し互換性のある第2の目的関数を定式化するステップであり、
前記定式化された第2の目的関数は、バイナリ決定変数のベクトルと前記定式化された第1の目的関数に対応するQ行列との間の関係を含む、ステップ
をさらに含む請求項6に記載の方法。 - 前記定式化された第1の目的関数で使用される制約タイプを識別するステップであり、前記制約タイプは、前記定式化された第1の目的関数における不等式制約タイプ又は等式制約タイプのうち1つである、ステップと、
前記定式化された第1の目的関数で使用される決定された制約タイプが前記等式制約タイプ又は前記不等式制約タイプのうち1つであるという決定に基づいて、前記定式化された第1の目的関数にペナルティ項を付加するステップであり、
前記ペナルティ項は、前記定式化された第1の目的関数に適用可能な対応する制約タイプのリストにマッピングされたペナルティ項のリストを含む第2のマッピングテーブルにおいて指定される、ステップと、
をさらに含む請求項7に記載の方法。 - プロセッサに、
複数の最適化問題についてのタクソノミ情報に対応する複数のユーザ選択可能な選択肢を含む電子ユーザインターフェースを表示することと、
前記複数の最適化問題のうち特定の最適化問題のために第1のテンプレートを選択する第1のユーザ入力を受信することであり、
前記第1のユーザ入力は、前記複数のユーザ選択可能な選択肢のうち少なくとも1つのユーザ選択可能な選択肢の選択を含む、ことと、
前記特定の最適化問題のための前記選択された第1のテンプレートを介して第2のユーザ入力を受信することであり、
前記第2のユーザ入力は、前記選択された第1のテンプレート内に指定される、前記特定の最適化問題の複数のパラメータに対する入力データを含む、ことと、
前記受信した第2のユーザ入力に基づいて前記特定の最適化問題に対する解を生成するために最適化ソルバマシンへの呼び出しを提供することと、
を含む動作を実行させるコンピュータプログラム。 - システムであって、
プロセッサであり、
複数の最適化問題についてのタクソノミ情報に対応する複数のユーザ選択可能な選択肢を含む電子ユーザインターフェースを表示し、
前記複数の最適化問題のうち特定の最適化問題のために第1のテンプレートを選択する第1のユーザ入力を受信し、
前記第1のユーザ入力は、前記複数のユーザ選択可能な選択肢のうち少なくとも1つのユーザ選択可能な選択肢の選択を含み、
前記特定の最適化問題のための前記選択された第1のテンプレートを介して第2のユーザ入力を受信し、
前記第2のユーザ入力は、前記選択された第1のテンプレート内に指定される、前記特定の最適化問題の複数のパラメータに対する入力データを含む
ように構成されたプロセッサと、
前記プロセッサに通信上結合された最適化ソルバマシンであり、前記受信した第2のユーザ入力に基づいて前記特定の最適化問題に対する解を生成するように構成される、最適化ソルバマシンと、
を含むシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/447656 | 2019-06-20 | ||
US16/447,656 US11132422B2 (en) | 2019-06-20 | 2019-06-20 | Automating solving NP problems in annealer systems |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021002331A true JP2021002331A (ja) | 2021-01-07 |
JP7505245B2 JP7505245B2 (ja) | 2024-06-25 |
Family
ID=70008311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020078410A Active JP7505245B2 (ja) | 2019-06-20 | 2020-04-27 | アニーラシステムにおけるnp問題の解決の自動化 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11132422B2 (ja) |
EP (1) | EP3754566A1 (ja) |
JP (1) | JP7505245B2 (ja) |
CN (1) | CN112116093B (ja) |
CA (1) | CA3079066A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022224527A1 (ja) * | 2021-04-19 | 2022-10-27 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2022230675A1 (ja) * | 2021-04-30 | 2022-11-03 | 株式会社東芝 | 経路検出装置およびプログラム |
WO2023026494A1 (ja) * | 2021-08-27 | 2023-03-02 | Tdk株式会社 | 計算モデル、情報処理方法、計算プログラム及び情報処理装置 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210319528A1 (en) * | 2020-04-14 | 2021-10-14 | Fujitsu Limited | Information processing device, optimization method, and non-transitory computer-readable storage medium for storing optimization program |
US20220084123A1 (en) * | 2020-09-16 | 2022-03-17 | Accenture Global Solutions Limited | Quantum mixed integer quadratic programming and graphical user interface for portfolio optimization |
GB2602251A (en) * | 2020-12-09 | 2022-06-29 | Mastercard International Inc | Allocation optimisation |
US20220245533A1 (en) * | 2021-02-04 | 2022-08-04 | Qpiai India Private Limited | Method and system for combinatorial optimization of vehicle routing using a simulated annealing on a universal optimization processor |
US11748707B2 (en) * | 2021-04-07 | 2023-09-05 | Accenture Global Solutions Limited | Quantum computation for bill of materials recommendations |
JP2022165250A (ja) * | 2021-04-19 | 2022-10-31 | 富士通株式会社 | プログラム、データ処理方法及びデータ処理装置 |
CN115238434A (zh) * | 2021-04-22 | 2022-10-25 | 阿里巴巴新加坡控股有限公司 | 信息处理方法及计算设备 |
CN113256066B (zh) * | 2021-04-23 | 2022-05-06 | 新疆大学 | 基于PCA-XGBoost-IRF的作业车间实时调度方法 |
CN113591906B (zh) * | 2021-06-21 | 2024-06-04 | 北京百度网讯科技有限公司 | 图的分割方法、装置及电子设备 |
US20230018946A1 (en) * | 2021-06-30 | 2023-01-19 | Fujitsu Limited | Multilevel method for production scheduling using optimization solver machines |
US11854407B2 (en) * | 2021-10-12 | 2023-12-26 | James W. Herriot | System and method for airspace planning |
US12001779B2 (en) * | 2022-01-14 | 2024-06-04 | Huawei Cloud Computing Technologies Co., Ltd. | Method and system for automatically formulating an optimization problem using machine learning |
DE102022118244A1 (de) | 2022-07-21 | 2024-02-01 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | System, Verfahren und Computerprogrammprodukt zur optimierten Testplanung für das Prototypenmanagement einer Entität |
DE102022118245A1 (de) | 2022-07-21 | 2024-02-01 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | System, Verfahren und Computerprogrammprodukt zur optimierten Testplanung für das Prototypenmanagement einer Entität |
US20240085194A1 (en) * | 2022-09-12 | 2024-03-14 | Fujitsu Limited | Vehicle routing problem (vrp) solution using annealer-based solvers |
CN117497092B (zh) * | 2024-01-02 | 2024-05-14 | 微观纪元(合肥)量子科技有限公司 | 基于动态规划和量子退火的rna结构预测方法及*** |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9122387B1 (en) | 2002-07-17 | 2015-09-01 | The Mathworks, Inc. | User configured optimizer |
US8055598B1 (en) | 2007-01-10 | 2011-11-08 | The Math Works, Inc. | User configured optimizer |
US7664720B1 (en) | 2007-01-10 | 2010-02-16 | The Mathworks, Inc. | Method and product of manufacture for the recommendation of optimizers in a graphical user interface for mathematical solvers |
US20040059549A1 (en) | 2002-09-19 | 2004-03-25 | Kropaczek David Joseph | Method and apparatus for evaluating a proposed solution to a constraint problem |
JP2005056024A (ja) | 2003-07-31 | 2005-03-03 | Hitachi East Japan Solutions Ltd | 供給計画を作成するための支援システムおよび支援方法および支援のためのコンピュータプログラム |
US8560282B2 (en) | 2005-07-11 | 2013-10-15 | D-Wave Systems Inc. | Quantum processor-based systems, methods and apparatus for solving problems as logic circuits |
US20070271150A1 (en) * | 2006-05-17 | 2007-11-22 | Harish Abbott | Online purchase optimization |
US8290683B2 (en) | 2010-02-16 | 2012-10-16 | Telectro-Mek, Inc. | Apparatus and method for reducing aircraft fuel consumption |
CN108256651B (zh) * | 2013-06-28 | 2022-09-06 | D-波***公司 | 用于对数据进行量子处理的方法 |
US20160034423A1 (en) * | 2014-08-04 | 2016-02-04 | Microsoft Corporation | Algorithm for Optimization and Sampling |
CN107077642B (zh) * | 2014-08-22 | 2021-04-06 | D-波***公司 | 可用于量子计算的用于求解问题的***和方法 |
JP5865457B1 (ja) | 2014-08-29 | 2016-02-17 | 株式会社日立製作所 | 情報処理システム及び管理装置 |
US9916283B2 (en) * | 2015-12-22 | 2018-03-13 | 1Qg Information Technologies Inc. | Method and system for solving a problem involving a hypergraph partitioning |
US10069573B2 (en) * | 2016-03-10 | 2018-09-04 | Raytheon Bbn Technologies Corp. | Optical ising-model solver using quantum annealing |
JP6966177B2 (ja) * | 2016-03-11 | 2021-11-10 | ワンキュービー インフォメーション テクノロジーズ インク. | 量子計算のための方法及びシステム |
-
2019
- 2019-06-20 US US16/447,656 patent/US11132422B2/en active Active
-
2020
- 2020-03-25 EP EP20165556.0A patent/EP3754566A1/en active Pending
- 2020-04-22 CA CA3079066A patent/CA3079066A1/en active Pending
- 2020-04-27 JP JP2020078410A patent/JP7505245B2/ja active Active
- 2020-05-06 CN CN202010372875.XA patent/CN112116093B/zh active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022224527A1 (ja) * | 2021-04-19 | 2022-10-27 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2022230675A1 (ja) * | 2021-04-30 | 2022-11-03 | 株式会社東芝 | 経路検出装置およびプログラム |
WO2023026494A1 (ja) * | 2021-08-27 | 2023-03-02 | Tdk株式会社 | 計算モデル、情報処理方法、計算プログラム及び情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200401650A1 (en) | 2020-12-24 |
US11132422B2 (en) | 2021-09-28 |
CN112116093A (zh) | 2020-12-22 |
EP3754566A1 (en) | 2020-12-23 |
JP7505245B2 (ja) | 2024-06-25 |
CN112116093B (zh) | 2024-06-28 |
CA3079066A1 (en) | 2020-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7505245B2 (ja) | アニーラシステムにおけるnp問題の解決の自動化 | |
Sim et al. | Expressibility and entangling capability of parameterized quantum circuits for hybrid quantum‐classical algorithms | |
US11182695B1 (en) | Method, apparatus, and computer program product for machine learning model lifecycle management | |
US9406021B2 (en) | Predictive and descriptive analysis on relations graphs with heterogeneous entities | |
US9443194B2 (en) | Missing value imputation for predictive models | |
US20190325343A1 (en) | Machine learning using partial order hypergraphs | |
US20140280257A1 (en) | Data Analysis Computer System and Method For Parallelized and Modularized Analysis of Big Data | |
EP3889829A1 (en) | Integrated clustering and outlier detection using optimization solver machine | |
US11501111B2 (en) | Learning models for entity resolution using active learning | |
US11475330B2 (en) | Machine learning systems and methods for automated prediction of innovative solutions to targeted problems | |
US11244244B1 (en) | Machine learning systems architectures for ranking | |
CN113557534A (zh) | 深度森林模型开发和训练 | |
US11468180B2 (en) | Data privacy protection on cloud-based optimization systems | |
US10901986B2 (en) | Natural language analytics queries | |
US20230032208A1 (en) | Augmenting data sets for machine learning models | |
Yilmaz et al. | A deep reinforcement learning framework for solving two-stage stochastic programs | |
US11526770B2 (en) | Latent computing property preference discovery and computing environment migration plan recommendation | |
US10839936B2 (en) | Evidence boosting in rational drug design and indication expansion by leveraging disease association | |
US20210055933A1 (en) | Compliance policy management and scheduling | |
US11989678B2 (en) | System using artificial intelligence and machine learning to determine an impact of an innovation associated with an enterprise | |
US20230186145A1 (en) | Knowledge augmented sequential decision-making under uncertainty | |
US11809375B2 (en) | Multi-dimensional data labeling | |
US11693916B2 (en) | Solving quadratic integer programming (QIP) problems on optimization solver machines | |
US20220292393A1 (en) | Utilizing machine learning models to generate initiative plans | |
US20220188691A1 (en) | Machine Learning Pipeline Generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230112 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240123 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240321 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240514 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240527 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7505245 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |