JP7181454B2 - 最適化装置、最適化装置の制御方法および最適化装置の制御プログラム - Google Patents
最適化装置、最適化装置の制御方法および最適化装置の制御プログラム Download PDFInfo
- Publication number
- JP7181454B2 JP7181454B2 JP2018212135A JP2018212135A JP7181454B2 JP 7181454 B2 JP7181454 B2 JP 7181454B2 JP 2018212135 A JP2018212135 A JP 2018212135A JP 2018212135 A JP2018212135 A JP 2018212135A JP 7181454 B2 JP7181454 B2 JP 7181454B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- state
- energy
- change
- optimization device
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Description
また、1つの態様では、最適化装置の制御プログラムが提供される。
[第1の実施の形態]
第1の実施の形態を説明する。
最適化装置10は、疑似焼き鈍し法により、組合せ最適化問題に対する解を求める。ここで、疑似焼き鈍し法はモンテカルロ法の一種であり、乱数値を用いて確率的に解を求める方法である。以下では最適化したいエネルギー関数の値を最小化する問題を例に説明する。最大化の場合は、エネルギー関数の符号を変えればよい。エネルギー関数は、評価関数、コスト関数または目的関数と呼ばれることもある。
状態遷移に伴うエネルギー変化値(-ΔE)に対して、その状態遷移の受入確率pを次の何れかの関数f()により決める。
(1)、(2)(または、(1)、(3))の式で表される受入確率を用いた場合、十分な反復後に定常状態に達したとすると、各状態の占有確率は熱力学における熱平衡状態に対するボルツマン分布にしたがう。そして、高い温度から徐々に下げていくとエネルギーの低い状態の占有確率が増加するため、十分温度が下がるとエネルギーの低い状態が得られるはずである。この様子が材料を焼き鈍したときの状態変化とよく似ているため、この方法は疑似焼き鈍し法と呼ばれるのである。このとき、エネルギーが上がる状態遷移が確率的に起こることは、物理学における熱励起に相当する。
エネルギー計算部13は、複数の状態変数の値の何れかが変化することに応じて状態遷移が起こる場合、エネルギー値の変化値(エネルギー変化値)を複数の状態遷移のそれぞれに対して計算する。ここで、状態変数の数をn個(nは2以上の整数)とする。また、状態変数を識別する情報をインデックスと呼び、i(iは1以上n以下の整数)で表す。インデックスi=1~nの各状態変数の変化に応じたエネルギー変化値は、{-ΔEi}と表される。
保持部15は、エネルギー計算部13が計算した所定回数の状態遷移のそれぞれに対応する複数のエネルギー変化値{-ΔEi}を、識別情報kに対応して複数のエントリにそれぞれ保持する。例えば、保持部15は、ある最適化問題の演算において、エネルギー値の最小値が更新されると、当該最小値における複数の状態変数の値(状態)を遷移元とする状態遷移に対応するエネルギー変化値{-ΔEi}により保持するエネルギー変化値を更新する。ただし、保持部15により保持される値の符号は、回路構成に応じて、逆転していてもよい。例えば、保持部15は、エネルギー変化値{ΔEi}を保持してもよい。図1の例では、αの符号が正であり、後述するオフセット加算回路22を熱励起エネルギーに対する減算を行う減算器22aで実現するため、保持部15は、エネルギー変化値{ΔEi}を保持する。
許容確率pで1を、(1-p)で0を出力する回路は、2つの入力A,Bを持ち、A>Bのとき1を出力し、A≦Bのとき0を出力する比較器の入力Aに許容確率pを、入力Bに区間[0,1)の値を取る一様乱数を入力することで実現することができる。したがってこの比較器の入力Aに、エネルギー変化値と温度値Tにより(1)の式を用いて計算される許容確率pの値を入力すれば、上記の機能を実現することができる。
比較器24は、減算器22aが出力する減算結果と、各状態遷移によるエネルギー変化値{-ΔEi}とを比較することで各状態遷移の可否を示す遷移可否{fi}を出力する。
選択部31は、入力部11により入力された識別情報kに基づいて、保持部15により保持された{ΔEi}から、エネルギー変化値ΔEkを選択する。
図2は、エネルギー変化値と比較される判定閾値の例を示す図である。
図3は、状態に応じたエネルギー分布の例を示す図である。
グラフ43は、各状態変数で表される状態に対するエネルギーの関係を示す。グラフ43の横軸は状態であり、縦軸はエネルギーである。グラフ43では、エネルギーが最小になる状態(最適解)の他に、エネルギーが最小ではない極小値になる状態(局所解)が示されている。
最適化装置10において、演算の実行時間が長くなる主な原因の1つに、最適解を安定な状態にするには温度を十分に下げなければならない一方で、比較的低い温度では局所解からの脱出が非常に低い頻度でしか起こらない(状態遷移の受入確率が低い)ことが挙げられる。
グラフ44は、局所解における状態遷移候補の状態遷移siに対する1ハミング距離の状態遷移の受入確率を示す。グラフ44の横軸は、状態遷移候補となる状態遷移siであり、縦軸は状態遷移の受入確率である。
図5(A)はグラフ45を示す。図5(B)はグラフ46を示す。グラフ45,46の横軸は、状態遷移候補となる状態遷移siであり、縦軸は状態遷移の受入確率である。
このとき、図5(A)の例において、エネルギー変化値{-ΔEi}にオフセット値yとしてΔyを3回加算した場合に、波形45aで示される受入確率は、波形45bで示される受入確率となることが期待される。波形45bにおいて、遷移確率が1となる状態変数の割合は、k/n程度となることが期待される。
図6は、オフセット増分値の比較例を示す図である。
図6(A)は、オフセット増分値が小さ過ぎる場合のグラフ47を例示する。図6(B)は、オフセット増分値が大き過ぎる場合のグラフ48を例示する。グラフ47,48の横軸は状態遷移候補となる状態遷移siであり、縦軸は状態遷移の受入確率である。
次に、第2の実施の形態を説明する。
図7は、第2の実施の形態の最適化装置のハードウェア例を示す図である。
最適化装置50の確率的探索部100およびCPU51の機能を主に説明する。確率的探索部100は、状態保持部110、エネルギー計算部120、遷移制御部130、制御部140およびΔE保持部150を有する。
状態保持部110は、イジングモデルの現在の状態S(複数のスピンビット)を保持する。
Δy計算部71は、入力IF56による識別情報kおよび係数情報αの入力を受け付ける。識別情報kは1≦k<nの整数である。係数情報αは0<α<1の実数である。
図9は、遷移制御部の回路例を示す図である。
遷移制御部130は、熱励起エネルギー生成部131、オフセット加算回路132、オフセット制御回路133、比較器134およびセレクタ135を有する。なお、遷移制御部130には、判定結果等を保持するラッチやそのタイミングを発生するステートマシン等も存在するが、図9では図示を簡単にするため省略されている。
テーブルT1は、ΔE保持部150により保持され、CPU51に供給される{ΔEi}minの一例を示す。ただし、図10のテーブルT1では、CPU51により{ΔEi}minで昇順にソートされた後の状態を示している。
例えば、Δy計算部71は、テーブルT1に基づいて、ソート後のエネルギー変化値の上位k番目の値ΔEkを選択する。一例として、k=10のとき、テーブルT1によれば、ΔEk=7795である。
図11は、演算スケジュールの例を示す図である。
CPU51は、ステップST2において確率的探索部100により一定イタレーション回数の探索が実行されたことを検出すると、ΔE保持部150からエネルギー変化値{ΔEi}minを取得する。CPU51は、エネルギー変化値{ΔEi}minと、識別情報kと係数情報αとに基づいて、オフセット増分値Δyを計算する(ステップST3)。なお、識別情報kおよび係数情報αは、入力IF56により予め入力される。CPU51は、計算したオフセット増分値Δyを、確率的探索部100に供給する。
CPU51は、ステップST4において確率的探索部100により一定イタレーション回数の探索が実行されたことを検出すると、ΔE保持部150からエネルギー変化値{ΔEi}minを取得する。CPU51は、ステップST3と同様に、オフセット増分値Δyを計算する(ステップST5)。CPU51は、計算したオフセット増分値Δyを、確率的探索部100に供給する。これにより、確率的探索部100に供給されるオフセット増分値Δyが更新される。
CPU51は、確率的探索部100により目標回数のイタレーションが実行されると、確率的探索部100から最終状態に相当するスピンビット列を取得する。例えば、CPU51は、取得したスピンビット列に応じた最適化問題の解を、出力IF55を介してディスプレイ61に表示させる。
図12は、最適化装置の処理例を示すフローチャートである。
(S10)CPU51は、イタレーション回数を係数するカウンタitをit=0に設定する。
(S13)CPU51は、オフセット増分値Δy=0を確率的探索部100に供給する。
(S15)CPU51は、確率的探索部100によるイタレーション回数p_itrまでの演算の終了を待つ。確率的探索部100によるp_itr回のイタレーション後の状態や最小エネルギー時の状態は、確率的探索部100の内部に保持される。
(S18)CPU51は、カウンタitにp_itrを加算する(it=it+p_itr)。
図13は、確率的探索部の回路例を示す図である。
なお、相互作用係数Wi1~Winは、例えば、確率的探索部100内の制御部140(図13では図示を省略している)、または、CPU51により計算対象の問題に応じて予め計算され、レジスタ211に格納される。なお、上記のような相互作用係数Wi1~Winは、RAM等のメモリに格納されてもよい。
例えば、N=nがセレクタ212に入力されたとき、セレクタ212は、相互作用係数Winを選択する。
加算器215は、乗算器214が出力する乗算結果と、レジスタ216に格納されている値とを加算した和を出力する。
遷移制御部220は、回路部22a1,…,22ai,…,22an、セレクタ22b、オフセット制御回路22cを有する。
遷移制御部220は、上記構成により、図9に示した遷移制御部130と同様の動作を行う。
[第3の実施の形態]
次に、第3の実施の形態を説明する。前述の第2の実施の形態と相違する事項を主に説明し、共通する事項の説明を省略する。
第3の実施の形態の最適化装置50aのハードウェアは、図7で例示した第2の実施の形態の最適化装置50のハードウェアと同様である。ただし、最適化装置50aは、確率的探索部100に代えて、確率的探索部300を有する。
ΔE計算部72は、スピンビット列S(複数の状態変数)に関する状態遷移の可否の決定を一定回数行うごとに、最小エネルギー状態保持部350に保持されたスピンビット列Sminに基づいて、当該スピンビット列Smin(最小エネルギー状態)を遷移元とする状態遷移のそれぞれに対応するエネルギー変化値{ΔEi}minを計算し、RAM52におけるΔE保持部73に格納する。
図15は、最適化装置の処理例を示すフローチャートである。
第3の実施の形態では、図12に示した第2の実施の形態の手順のうち、ステップS16に代えて、ステップS16a,S16bを実行する点が異なる。そこで、以下では、ステップS16a,S16bを説明し、他のステップの説明を省略する。ステップS16aは、ステップS15の次に実行される。
このように、CPU51によりエネルギー変化値{ΔEi}minを計算してもよい。この場合、確率的探索部300は、CPU51にスピンビット列Sminを供給すればよいので、確率的探索部300がエネルギー変化値をCPU51に供給する機能をもたなくても、オフセット増分値Δyを適切に変更可能になる。
例えば、確率的探索部400の回路構成により、確率的探索部300と等価な機能を実現することができる。確率的探索部400は、エネルギー計算部41a1,…,41ai,…,41an、遷移制御部420、状態更新部430および最小エネルギー状態保持部440を有している。
回路部42a1~42anは、図13に示した回路部22a1~22anに相当する。例えば、回路部42aiは、符号反転回路421、加算器422、乱数発生回路423、選択法則適用部424、乗算器425、比較回路426およびインデックス保持部427を有する。符号反転回路421、加算器422、乱数発生回路423、選択法則適用部424、乗算器425、比較回路426およびインデックス保持部427は、図13に示した同名の回路要素と同様である。また、セレクタ42bは、図13に示したセレクタ22bに相当する。オフセット制御回路42cは、図13に示したオフセット制御回路22cに相当する。オフセット制御回路42cには、図示を省略している制御部により、オフセット増分値Δyが供給される。オフセット制御回路42cは、オフセット増分値Δyに基づいて算出されるオフセット値yを回路部42a1~42anに供給する。
状態更新部430は、図14に示した状態保持部310の機能を有し、遷移制御部330が出力する遷移可否fと遷移番号Nに基づき、保持されているスピンビットx1~xnの値を更新して、その値の組合せ(State)を出力する。また、状態更新部430は、更新後のスピンビットの値(図16の例ではxNと表記されている)を出力する。
最適化装置50aは、確率的探索部400により、確率的探索部300と同様の機能を実現することができる。
次に、第4の実施の形態を説明する。前述の第2,第3の実施の形態と相違する事項を主に説明し、共通する事項の説明を省略する。
情報処理装置50bは、CPU51、RAM52、HDD53、NIC54、出力IF55、入力IF56、媒体リーダ57および最適化装置500を有する。各ハードウェアは、情報処理装置50bのバスに接続される。バスは、例えばPCIeバスである。
最適化装置500は、確率的探索部100と同様に、CPU51の指示に応じて、最適化問題の演算を実行する。最適化装置500は、例えば、1チップの半導体集積回路であり、FPGA等を用いて実現される。最適化装置500は、オフセット増分値Δyを計算する専用のハードウェアを有する。
最適化装置500は、遷移制御部510、ΔE保持部520、入力部530、ΔE選択部540、Δy計算部550、更新制御部570およびイタレーションカウンタ560を有する。ここで、最適化装置500は、図8に例示した状態保持部110、エネルギー計算部120および制御部140に相当する回路も有するが、図18では図示を簡単にするため省略している。
イタレーションカウンタ560は、状態遷移のイタレーション回数を計数するカウンタである。
図19は、ΔE選択部の回路例を示す図である。
ΔE選択部540は、レジスタ54a1,54a2,…,54a(n-1),54anを有する。レジスタ54a1~54anは、スピンビット毎に設けられる。レジスタ54a1~54anのそれぞれは、各スピンビットに対応するΔEi(=ΔE1,ΔE2,…,ΔEn-1,ΔEn)およびインデックス(index=1,2,…,n-1,n)が格納される。ここで、各スピンビットに対応するΔEiは、ΔE保持部520により、ΔE選択部540に供給される。
セレクタ54q1は、レジスタ54a1~54anに格納されたインデックスのうち、minインデックスに相当するインデックスを無効値(例えば、-1)に設定する。レジスタ54a1~54anにおいて、インデックスに無効値が設定されると、当該インデックスに対応するΔEが無効になる。すると、セレクタ54b1~54q1による次の選択では、前回選択されたΔEminを除いて、最小のΔE=ΔEminが選択される。
選択論理Z1は、セレクタ54b1~54q1のそれぞれによる選択論理の一例を示す。選択論理Z1では、インデックスL、インデックスR、ΔELとΔERの関係および選択結果の項目が示されている。
また、インデックスL,Rが「-1」(無効値)の場合、セレクタ54b1~54q1のそれぞれは、インデックスLおよびΔELの組を選択する。
図21は、ΔE選択部による選択例を示す図である。
例えば、ΔE選択部540による1回目の選択の結果、セレクタ54q1はレジスタ54a4に格納されたインデックスを「-1」(無効値)に設定する(ステップST11)。すると、レジスタ54a4に格納されたΔE4は、ΔE選択部540による以降の選択の候補から除外される。
11 入力部
12 状態保持部
13 エネルギー計算部
14 温度制御部
15 保持部
16 遷移制御部
17 計算部
21 熱励起エネルギー生成部
22 オフセット加算回路
22a 減算器
23 オフセット制御回路
23a 累算器
24 比較器
25 セレクタ
31 選択部
32 乗算器
Claims (9)
- エネルギー値を表す評価関数に含まれる複数の状態変数の値をそれぞれ保持する状態保持部と、
前記複数の状態変数の値の何れかが変化することに応じて状態遷移が起こる場合、前記エネルギー値の第1の変化値を複数の状態遷移のそれぞれに対して計算するエネルギー計算部と、
温度を示す温度値を制御する温度制御部と、
前記エネルギー計算部が計算した所定回数の状態遷移のそれぞれに対応する前記エネルギー値の第2の変化値を、識別情報に対応して複数のエントリにそれぞれ保持する保持部と、
前記温度値と前記第1の変化値と乱数値とに基づいて、前記第1の変化値と熱励起エネルギーとの相対関係によって前記複数の状態遷移の何れかを受け入れるか否かを確率的に決定する際、入力された前記識別情報に基づいて前記複数のエントリから選択される何れかのエントリが保持する前記第2の変化値に対して係数情報を乗じたオフセット値を前記第1の変化値に加えることにより、前記複数の状態遷移の何れかを受け入れるか否かを確率的に決定する遷移制御部と、
を有することを特徴とする最適化装置。 - 前記最適化装置はさらに、前記識別情報と前記係数情報とを入力する入力部を有することを特徴とする請求項1記載の最適化装置。
- 前記保持部は、前記エネルギー値の最小値が更新された場合、前記最小値における状態からの状態遷移に応じた前記エネルギー値の変化値により、保持する前記第2の変化値を更新する、
ことを特徴とする請求項1又は2記載の最適化装置。 - 前記識別情報は、1以上かつ前記複数の状態変数の数よりも小さい整数kを示し、
前記保持部に保持される複数の第2の変化値のうち、絶対値の小さい方から数えてk番目に相当する前記第2の変化値を選択し、選択した前記第2の変化値に前記係数情報を乗じることでオフセット増分値を計算する計算部、
を更に有することを特徴とする請求項2又は3記載の最適化装置。 - 前記計算部は、前記複数の状態変数に関する状態遷移の可否の決定を一定回数行うごとに前記保持部が保持する複数の第2の変化値を取得し、前記オフセット増分値を更新する、
ことを特徴とする請求項4記載の最適化装置。 - 前記遷移制御部は、前記複数の状態遷移の何れも受け入れない場合、前記複数の状態遷移の何れも受け入れないと継続して決定した期間の長さに比例した回数で前記オフセット値を累算した値を前記第1の変化値に加え、前記複数の状態遷移の何れかを受け入れる場合、前記オフセット値を0にする、
ことを特徴とする請求項1記載の最適化装置。 - 前記エネルギー値の最小値が更新された場合、前記最小値における前記複数の状態変数の値を保持する最小エネルギー状態保持部と、
前記複数の状態変数に関する状態遷移の可否の決定を一定回数行うごとに、前記最小エネルギー状態保持部に保持された前記複数の状態変数の値に基づいて、前記最小値における状態からの状態遷移のそれぞれに対応する前記第2の変化値を計算し、前記第2の変化値を前記保持部に格納する演算部と、
を更に有することを特徴とする請求項1記載の最適化装置。 - エネルギー値を表す評価関数に含まれる複数の状態変数の値をそれぞれ保持する状態保持部を有する最適化装置の制御方法において、
前記最適化装置が有するエネルギー計算部が、前記複数の状態変数の値の何れかが変化することに応じて状態遷移が起こる場合、前記エネルギー値の第1の変化値を複数の状態遷移のそれぞれに対して計算し、
前記最適化装置が有する温度制御部が、温度を示す温度値を制御し、
前記最適化装置が有する保持部が、前記エネルギー計算部が計算した所定回数の状態遷移のそれぞれに対応する前記エネルギー値の第2の変化値を、識別情報に対応して複数のエントリにそれぞれ保持し、
前記最適化装置が有する遷移制御部が、前記温度値と前記第1の変化値と乱数値とに基づいて、前記第1の変化値と熱励起エネルギーとの相対関係によって前記複数の状態遷移の何れかを受け入れるか否かを確率的に決定する際、入力された前記識別情報に基づいて前記複数のエントリから選択される何れかのエントリが保持する前記第2の変化値に対して係数情報を乗じたオフセット値を前記第1の変化値に加えることにより、前記複数の状態遷移の何れかを受け入れるか否かを確率的に決定する、
ことを特徴とする最適化装置の制御方法。 - エネルギー値を表す評価関数に含まれる複数の状態変数の値をそれぞれ保持する状態保持部を有する最適化装置の制御プログラムにおいて、
前記最適化装置が有するエネルギー計算部に、前記複数の状態変数の値の何れかが変化することに応じて状態遷移が起こる場合、前記エネルギー値の第1の変化値を複数の状態遷移のそれぞれに対して計算させ、
前記最適化装置が有する温度制御部に、温度を示す温度値を制御させ、
前記最適化装置が有する保持部に、前記エネルギー計算部が計算した所定回数の状態遷移のそれぞれに対応する前記エネルギー値の第2の変化値を、識別情報に対応して複数のエントリにそれぞれ保持させ、
前記最適化装置が有する遷移制御部に、前記温度値と前記第1の変化値と乱数値とに基づいて、前記第1の変化値と熱励起エネルギーとの相対関係によって前記複数の状態遷移の何れかを受け入れるか否かを確率的に決定する際、入力された前記識別情報に基づいて前記複数のエントリから選択される何れかのエントリが保持する前記第2の変化値に対して係数情報を乗じたオフセット値を前記第1の変化値に加えることにより、前記複数の状態遷移の何れかを受け入れるか否かを確率的に決定させる、
ことを特徴とする最適化装置の制御プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018212135A JP7181454B2 (ja) | 2018-11-12 | 2018-11-12 | 最適化装置、最適化装置の制御方法および最適化装置の制御プログラム |
US16/679,124 US11562210B2 (en) | 2018-11-12 | 2019-11-08 | Stochastically determining to accept a state transition for an optimization device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018212135A JP7181454B2 (ja) | 2018-11-12 | 2018-11-12 | 最適化装置、最適化装置の制御方法および最適化装置の制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020079991A JP2020079991A (ja) | 2020-05-28 |
JP7181454B2 true JP7181454B2 (ja) | 2022-12-01 |
Family
ID=70550527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018212135A Active JP7181454B2 (ja) | 2018-11-12 | 2018-11-12 | 最適化装置、最適化装置の制御方法および最適化装置の制御プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11562210B2 (ja) |
JP (1) | JP7181454B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7174244B2 (ja) * | 2018-12-26 | 2022-11-17 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP2023049630A (ja) | 2021-09-29 | 2023-04-10 | 富士通株式会社 | 最適化プログラム、最適化方法および最適化装置 |
CN115858999B (zh) * | 2023-02-07 | 2023-04-25 | 华南理工大学 | 一种基于改进模拟退火算法的组合优化问题处理电路 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018063626A (ja) | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3139414B2 (ja) | 1997-05-29 | 2001-02-26 | 日本電気株式会社 | 生体内活動部位推定方法及び生体内活動部位推定装置 |
US8296120B2 (en) * | 2008-06-20 | 2012-10-23 | Utah State University | FPGA simulated annealing accelerator |
JP2014160457A (ja) | 2013-02-20 | 2014-09-04 | Nec Corp | 対話的変数選択装置、対話的変数選択方法および対話的変数選択プログラム |
-
2018
- 2018-11-12 JP JP2018212135A patent/JP7181454B2/ja active Active
-
2019
- 2019-11-08 US US16/679,124 patent/US11562210B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018063626A (ja) | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2020079991A (ja) | 2020-05-28 |
US20200151548A1 (en) | 2020-05-14 |
US11562210B2 (en) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7206476B2 (ja) | 最適化装置、最適化装置の制御方法及び最適化装置の制御プログラム | |
JP7108185B2 (ja) | 最適化装置および最適化装置の制御方法 | |
JP7071638B2 (ja) | 最適化装置、最適化装置の制御方法及び最適化装置の制御プログラム | |
JP7181454B2 (ja) | 最適化装置、最適化装置の制御方法および最適化装置の制御プログラム | |
JP7007585B2 (ja) | 最適化装置、最適化装置の制御方法及び最適化装置の制御プログラム | |
JP7319539B2 (ja) | 組合せ最適化装置、組合せ最適化方法および組合せ最適化プログラム | |
US11645496B2 (en) | Optimization apparatus and optimization apparatus control method | |
JP2021033341A (ja) | 最適化装置および最適化装置の制御方法 | |
CN113536229A (zh) | 采样装置、采样方法以及用于存储采样程序的存储介质 | |
US20200363848A1 (en) | Optimization device and method of controlling optimization device | |
JP2021135744A (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP7111966B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
US20220012291A1 (en) | Information processing system, information processing method, and non-transitory computer-readable storage medium for storing program | |
US20210334332A1 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium for storing program | |
JP7339539B2 (ja) | 最適化装置、最適化装置の温度設定方法及び最適化装置の温度設定プログラム | |
JP7256378B2 (ja) | 最適化システムおよび最適化システムの制御方法 | |
JP7219402B2 (ja) | 最適化装置、最適化装置の制御方法及び最適化装置の制御プログラム | |
WO2020054046A1 (ja) | 最適化装置、最適化装置の制御方法および最適化装置の制御プログラム | |
JP2023061477A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
US20240111833A1 (en) | Data processing apparatus and data processing method | |
US20220092380A1 (en) | Optimization device, optimization method, and computer-readable recording medium storing optimization program | |
JP2024077351A (ja) | データ処理装置、プログラム及びデータ処理方法 | |
JP2023028347A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
CN116894496A (zh) | 信息处理设备和信息处理方法 | |
JP2022161128A (ja) | プログラム、データ処理方法及びデータ処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210810 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20210820 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210820 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220614 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220615 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220804 |
|
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: 20221018 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221031 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7181454 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |