文献

J-GLOBAL ID：201902237350860027   整理番号：19A0517138

関数最適化のためのエンタングルメント増強量子触発タブー探索アルゴリズム【JST・京大機械翻訳】

Entanglement-Enhanced Quantum-Inspired Tabu Search Algorithm for Function Optimization

著者 (2件)： Kuo Shu-Yu (National Chi Nan University, Puli, Taiwan) ,  Chou Yao-Hsin (National Chi Nan University, Puli, Taiwan)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 13236-13252  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 組合せおよび数値最適化問題を解くために,多くのメタ発見的アルゴリズムが提案されている。ほとんどの最適化問題は高い依存性を持ち,変数が互いに強く依存することを意味する。方法が独立して各変数を最適化することを試みるならば,その性能は著しく苦しむ。従来の最適化技術が高依存性問題に適用されるとき,それらはグローバル最適性を見つけることにおいて困難を経験した。この問題を扱うために,本論文では,新しいメタ発見的アルゴリズムを提案した。これは,量子に触発されたタブー探索(QTS)アルゴリズムと量子もつれの特徴に基づいている,もつれによって強化された量子触発のタブー探索アルゴリズム(Entanglement-QTS)である。Entanglement-QTSは,そのQビットがもつれ状態を持つという他の量子触発進化アルゴリズムと異なり,それは高い相関度を表すことができ,変数をより絡み合わせることができる。もつれQビットは,多モードおよび高依存性問題の処理を大幅に改善できる最先端のアイデアを表す。エンタングル-QTSは,最適解,バランス多様化および強化を発見し,量子非ゲートを用いて多数の局所最適解を回避し,局所探索およびもつれ局所探索により強化効果を強化し,強依存性問題を管理し,もつれ状態を用いることにより最適化プロセスを加速する。本論文は,9つのベンチマーク関数を用いて,もつれ-QTSアルゴリズムの探索能力をテストした。結果は,エンタングル-QTSが,グローバル最適性とその計算効率を見つけることにおいて,その有効性において,QTSと他のメタ発見的アルゴリズムより優れていることを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  最適化問題 ,  *タブー探索 ,  近傍探索法 ,  多モード ,  有効性 ,  多様化 ,  *アルゴリズム ,  ベンチマーク ,  *量子もつれ
準シソーラス用語： 局所最適解 ,  最適解 ,  進化的アルゴリズム ,  量子ビット ,  最適性 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  その他の計算機利用技術  (JE14000C)

タイトルに関連する用語 (5件)： 関数最適化 ,  エンタングルメント ,  増強 ,  量子 ,  タブー探索アルゴリズム