JP7457243B2 - 最適化支援装置、最適化支援方法、プログラムおよび最適化システム - Google Patents
最適化支援装置、最適化支援方法、プログラムおよび最適化システム Download PDFInfo
- Publication number
- JP7457243B2 JP7457243B2 JP2020076409A JP2020076409A JP7457243B2 JP 7457243 B2 JP7457243 B2 JP 7457243B2 JP 2020076409 A JP2020076409 A JP 2020076409A JP 2020076409 A JP2020076409 A JP 2020076409A JP 7457243 B2 JP7457243 B2 JP 7457243B2
- Authority
- JP
- Japan
- Prior art keywords
- optimal
- value
- solution
- relaxed
- objective function
- 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
- 238000005457 optimization Methods 0.000 title claims description 157
- 238000000034 method Methods 0.000 title claims description 128
- 238000005516 engineering process Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000005283 ground state Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 description 119
- 230000008569 process Effects 0.000 description 97
- 238000012545 processing Methods 0.000 description 66
- 239000002096 quantum dot Substances 0.000 description 27
- 230000005366 Ising model Effects 0.000 description 24
- 238000004519 manufacturing process Methods 0.000 description 16
- 238000000137 annealing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 230000014509 gene expression Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002040 relaxant effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000007596 consolidation process Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004215 lattice model Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052758 niobium Inorganic materials 0.000 description 1
- 239000010955 niobium Substances 0.000 description 1
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005359 quantum Heisenberg model Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
前記最適化問題に関する入力情報を取得する、入力情報取得部と、
前記最適化問題の決定変数を設定する、決定変数設定部と、
前記最適化問題について一部の制約条件を緩和した複数の子問題に分解し、前記子問題それぞれについての目的関数を設定する、目的関数設定部と、
前記決定変数を前記子問題それぞれについての決定変数に分解して前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、入力部と、
前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記子問題の最適解として取得し、前記最適解に基づき前記子問題の目的関数の最適値を求める、結果取得部と、
前記最適解を束ねた緩和解と、前記最適値を加え合わせた緩和最適値とに基づき、前記一部の制約条件が満たされるか否かを判定し、前記一部の制約条件が満たされる場合には前記緩和解を元の最適化問題の最適解とし、前記一部の制約条件が満たされない場合には前記緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする、最適解決定部と、を備える、最適化支援装置。
(1)前記最適化問題に関する入力情報を取得する、ステップ、
(2)前記最適化問題の決定変数を設定する、ステップ、
(3)前記最適化問題の一部の制約条件を緩和した複数の子問題に分解し、前記子問題それぞれについての目的関数を設定する、ステップ、
(4)前記決定変数を前記子問題それぞれについての決定変数に分解して前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、ステップ、
(5)前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記子問題の最適解として取得し、前記最適解に基づき前記子問題の目的関数の最適値を求める、ステップ、および、
(6)前記最適解を束ねた緩和解と、前記最適値を加え合わせた緩和最適値とに基づき、前記一部の制約条件が満たされるか否かを判定し、前記一部の制約条件が満たされる場合には前記緩和解を元の最適化問題の最適解とし、前記一部の制約条件が満たされない場合には前記緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする、ステップを備える、最適化支援方法。
コンピュータに、
(1)前記最適化問題に関する入力情報を取得する、ステップ、
(2)前記最適化問題の決定変数を設定する、ステップ、
(3)前記最適化問題の一部の制約条件を緩和した複数の子問題に分解し、前記子問題それぞれについての目的関数を設定する、ステップ、
(4)前記決定変数を前記子問題それぞれについての決定変数に分解して前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、ステップ、
(5)前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記子問題の最適解として取得し、前記最適解に基づき前記子問題の目的関数の最適値を求める、ステップ、および、
(6)前記最適解を束ねた緩和解と、前記最適値を加え合わせた緩和最適値とに基づき、前記一部の制約条件が満たされるか否かを判定し、前記一部の制約条件が満たされる場合には前記緩和解を元の最適化問題の最適解とし、前記一部の制約条件が満たされない場合には前記緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする、ステップを実行させるプログラム。
格子状に配列した複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子技術を用いた装置と、
前記最適化問題に関する入力情報を取得する、入力情報取得部と、
前記最適化問題の決定変数を設定する、決定変数設定部と、
前記最適化問題について一部の制約条件を緩和した複数の子問題に分解し、前記子問題それぞれについての目的関数を設定する、目的関数設定部と、
前記決定変数を前記子問題それぞれについての決定変数に分解して前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、入力部と、
前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記子問題の最適解として取得し、前記最適解に基づき前記子問題の目的関数の最適値を求める、結果取得部と、
前記最適解を束ねた緩和解と、前記最適値を加え合わせた緩和最適値とに基づき、前記一部の制約条件が満たされるか否かを判定し、前記一部の制約条件が満たされる場合には前記緩和解を元の最適化問題の最適解とし、前記一部の制約条件が満たされない場合には前記緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする、最適解決定部と、を備える、最適化システム。
最初に、本実施形態に係る最適化システムの概略構成について図1を用いて説明する。図1は、本実施形態に係る最適化システムの概略構成を示すブロック図である。
以下、主として、量子計算機20として、超伝導量子ビットを使った量子アニーリングマシンを用いる場合を例にとって説明する。なお、以下の説明においては、変数に対応する「ノード」の例として「量子ビットノード」を、「特性関数」の例として「ハミルトニアン」を、「ネットワークモデル」の例として「イジングモデル」を、「変数」の例として「イジング変数」をそれぞれ用いる。
まず、汎用計算機10について説明する。汎用計算機10は、最適化支援装置として機能し、図1に示すように、少なくとも、入力情報取得部11と、決定変数設定部12と、目的関数設定部13と、入力部14と、結果取得部15と、最適解決定部16とを備える。
入力情報取得部11は、最適化問題の構築に必要な入力情報を取得する。入力情報の例としては、任意製品の任意工程での処理順について最適化するための最適化問題を求解する場合には、工程数、製品数、ロット番号、納期などである。入力情報取得部11は、汎用計算機10に対するオペレータによる操作、外部装置からネットワーク等を介して送信された情報の受信、または可搬型記憶媒体に記憶された情報の読み出しを行うことにより入力情報を取得する。
決定変数設定部12は、求解対象の最適化問題の決定変数を設定する。例えば、決定変数設定部12は、任意製品の任意工程での処理順について最適化するための最適化問題を求解する場合には、その処理順を決定変数として設定する。なお、複数の決定変数を設定してもよい。ここで、決定変数の設定とは、汎用計算機10に対する入力情報に基づき、何を決定変数とすべきかを定める処理を指す。決定変数には、ロット情報および納期情報などが含まれる。
目的関数設定部13は、求解対象の最適化問題を子問題に分解し、子問題それぞれについての目的関数を設定する。ここで、子問題とは、求解対象の最適化問題の一部の制約条件を緩和した問題である。例えば、目的関数設定部13は、任意製品の任意工程での処理順について最適化するための最適化問題を求解する場合には、原問題における工程間の制約条件を緩和することにより、工程j(∈P)毎に分解して、子問題Pjを生成する。また、例えば、複数の仕事を複数の機械で処理する場合には各機械の負荷容量以上に仕事を割り当てられないという割り当て制約条件があるが、この制約条件を緩和して、仕事毎の子問題に分割してもよい。一方、各仕事への機械の割り当て制約条件を緩和して、機械毎の子問題に分割してもよい。
入力部14は、決定変数設定部12により設定された元の問題の決定変数を、各子問題の決定変数に分解し、量子計算機20内において格子状に配列したノード(すなわち、後述するイジング変数)に対応させ、目的関数設定部13により設定された、子問題それぞれについての目的関数の係数を、各ノード(イジング変数)間の関係性を示す係数(結合の重み)として量子計算機20に入力する。なお、用いる量子計算機によっては、ある一つのノードから結合するノードの数に限りがあるために、そのままでは全ての結合の重み係数を表現できない場合がある。このような際には例えば、ある一つのイジング変数に複数のノードを割り当てることで、結合するノードの数を実効的に増やす対策を施しても構わない。また、本発明の実施形態の説明においてはノードの配列を格子状として説明するが、ノードの配列としては格子状に限らず任意の形状が可能である。
結果取得部15は、入力部14により入力された目的関数の係数に基づいて計算された量子計算機20の計算結果(子問題のイジング変数の最適(収束)値の組み合わせである最適解)を取得する。具体的には、ノード(イジング変数)の基底状態での測定値を、それらのノード(イジング変数)に対応する決定変数の値(最適解)として取得する。また、結果取得部15は、取得した最適解に基づいて、子問題の目的関数(ハミルトニアン)の最適値を求める。具体的には、取得した最適解を子問題の目的関数に代入して算出された目的関数値を最適値とする。
最適解決定部16は、結果取得部15が取得した各子問題の最適解を束ねて、元の最適化問題の緩和解を得る。また、最適解決定部16は、結果取得部15が取得した各子問題の目的関数の最適値を加え合わせて、元の最適化問題の緩和最適値を得る。ここで、最適解決定部16は、結果取得部15が取得した各子問題の最適解を束ねた緩和解が緩和した一部の制約を満たすか否かを判定し、満たす場合には、緩和解を元の問題の最適解とする。一方、緩和した一部の制約を満たさない場合は、最適解決定部16は、緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする。また、緩和した一部の制約を満たさない場合は、最適解決定部16は、緩和解と、緩和最適値とに基づいて前記目的関数を更新する。具体的には、最適解決定部16は、緩和した制約毎に、その違反量である劣勾配ベクトルを求めると共に、緩和解の違反部分を修正し、実行可能解(暫定最適解)とする。そして、最適解決定部16は、その実行可能解を元の問題の目的関数に代入し、暫定最適値を得る。
次に、量子計算機20について説明する。図2は、本実施形態に係る量子計算機20のハードウェア構成を示す図である。また、図3は、量子計算機の原理を説明するための図である。ここでは、量子計算機は、イジングモデルのノードに決定変数、格子間の関係性を示す係数に目的関数の係数を対応させて、ハミルトニアンを生成する例について説明する。しかしながら、これらは上記に限定されるものではなく、ハイゼンベルクモデル等の任意の次元の格子モデルであっても構わない。
以下、下記の最適化モデルを例にとって、汎用計算機10の決定変数設定部12および目的関数設定部13における具体的な設定方法、ならびに、最適解決定部16における具体的な更新方法を説明する。
求解対象の最適化問題の決定変数として、例えば、複数の工程(以下、「多段工程」ともいう)における、各製品iの各工程jにおける処理順kを表す、割当変数xj[i][k](i∈N,k∈K(j),j∈J)がある。この割当変数xj[i][k]の組は、各子問題の決定変数に分解され、イジングモデルの各ノードにマッピングされる。なお、工程jで考慮すべき時刻範囲K(j)は、K(j)={1,2,…,j(n-1)+1}とする。
製品の製造プロセスが複数工程にまたがる処理工程において、各工程における最適な処理順を求める問題を考える。この問題において、それぞれの工程における処理順は、連続する処理順の中で同一ロットをできるだけ大ロットにまとめること、即ち、ロット変更に伴う段取り替えをできる限り少なくすることを評価する。また、工程間の制約として、任意の製品について、前工程の処理が終了していることが次工程での当該製品の処理開始の条件とする。目的関数は、ロット変更回数および納期遅れと早作りをそれぞれ異なるペナルティを課して評価するものとする。
・対象製品集合をN(=1,2,…i,…,n)とする。
・各製品iの(最終工程における)納期をdiとし、工程jでの所属ロットをlijとする。この値は、所与とする。
・工程集合をJ(=1,2,…j,…,p)とする。
・任意の製品iの任意の工程jでの処理時間は、一律同じであることとし、その処理時間を単位時間とする。
・上流工程での処理が完了していない製品は、それより下流工程で処理はできないこととする。すなわち第j工程での処理順(処理時刻)kで処理された製品は第j+1工程では処理順(処理時刻)k以降であれば処理可能であるとする。工程jで考慮すべき時刻範囲K(j)は、K(j)={1,2,…,j(n-1)+1}としている。
・各製品iは、最終工程(J=p)での納期diが付与されており、最終工程での処理時刻がこれより大きい場合は納期遅れとし、これより小さい場合は早く作りすぎたものとし、それぞれ異なるペナルティを課すものとする。
以下、定式化した多段工程処理順モデルを量子アニーリング計算に利用するイジングモデルに変換する方法を詳細に示す。
各製品iの各工程jにおける処理順kを表す割当変数xj[i][k](i∈N,k∈K(j),j∈J)をイジング変数とする。ここで、上記の仮定に従い、同一製品の処理タイミング(時刻)は、第二工程以降(j≧2)では前工程での製造順以降となる。例えば、第二工程では可能性のある処理時刻範囲が(1≦k≦2n-1)となる。この範囲は工程が進むに従い拡張されるので、『k∈K(j)』とする。これに対応し、対象製品集合については、i∈N∪E(j)とする。E(j)は、処理が行われない時刻に仮想的に処理されるダミー製品を表すものとする。
量子計算機において、イジングモデルのハミルトニアンは、下記数式2のH(σ)で表される。ハミルトニアンH(σ)は、±1という二つの値をとるイジング変数σi(i=1,…,Q)に重みパラメータhiをかけたσi・hiと、二つのイジング変数σiとσjの積に重みパラメータJijをかけた、二つのイジング変数間の相互作用エネルギーを表すJij・σiσjとを合わせた値であり、全エネルギーを意味する。なお、イジング変数はσi∈{-1,1}であるが、通常の数理計画問題における数理モデルでは、変数siをsi∈{0,1}としてモデル化される。その場合には、σi=si-1または、si=(σi+1)/2の変数変換を行う。
は不要となる。
次に、本実施形態における最適化支援装置10の動作について図4を用いて説明する。図4は、本実施形態における最適化支援装置の動作を示すフロー図である。以下の説明においては、適宜図1を参酌する。また、本実施形態では、最適化支援装置10を動作させることによって、最適化支援方法が実施される。よって、本実施形態における最適化支援方法の説明は、以下の最適化支援装置10の動作説明に代える。
原問題における工程間の制約条件を緩和することにより、工程j(∈P)毎に分解して生成した、子問題Pjについて、量子計算機20から得られた緩和解xj_opt[i][k]を束ねた解を緩和解xrelxとし、各子問題Pjの最適値をVj_optとするとき、それらを全工程に渡り総和をとった緩和最適値Vrelxは数式17から求められる。Vrelxと、予め設定された下界値ZLBと比較し、ZLB<Vrelxが成立する場合(最小化問題前提)、下界値ZLBをVrelxで更新する。ただし、子問題の最適値を加え合わせる際、Jj2にて元の定数項を省略している場合は、それを考慮する必要ある。数式17の第二項の「-(p-1)」によってそれを示している。なお、最大化問題の場合には、Vrelxと、予め設定された上界値ZUBと比較を比較して、ZUB>Vrelxが成立する場合、上界値ZUBをVrelxで更新する。
緩和解xrelxを用いて、違反がなくなるまで後工程の処理時刻をずらすことにより工程間制約に違反する箇所を修正し、実行可能解xfesを導出する。以下、表1に示す例に従って、修正方法を詳細に説明する。
前述の緩和解xrelxに基づいて緩和した工程間制約(数式9)に対する制約違反量を要素とするベクトルである列勾配ベクトルGを算出する。数式9は、i∈N,l=1,…,K(j)-1,j∈P\1に対して定義されるので、Gの次元はn×(K(j)-1)×(p-1)となり、各要素は、対応する制約違反量となり、汎用計算機により数式18で計算できる。
上記のようにして得られた下界値ZLB、上界値ZUBおよび劣勾配ベクトルGに基づいて、ラグランジュ乗数更新ステップサイズξを数式18により求める。得られたξを用いて、数式19によりラグランジュ乗数λ(r)をλ(r+1)に更新する。
本実施形態におけるプログラムは、コンピュータに、図3に示すステップS1~S6を実行させるプログラムであればよい。このプログラムをコンピュータにインストールし、実行することによって、本実施形態における最適化支援装置と最適化支援装置とを実現することができる。この場合、情報処理装置となるコンピュータのCPU(Central Processing Unit)は、入力情報取得部11、決定変数設定部12、目的関数設定部13、入力部14、結果取得部15および最適解決定部16として機能し処理を行なう。
ここで、本実施形態におけるプログラムを実行することによって、最適化支援装置を実現するコンピュータについて図を用いて説明する。図5は、本実施形態における最適化支援装置を実現するコンピュータの一例を示すブロック図である。
11 入力情報取得部
12 決定変数設定部
13 目的関数設定部
14 入力部
15 結果取得部
16 最適解決定部
20 量子計算機(最適化装置)
21 量子ビットノード
22 量子ビット制御部
23 結合器
24 結合器制御部
25 読出部
30 最適化システム
110 コンピュータ
111 CPU
112 メインメモリ
113 記憶装置
114 入力インターフェイス
115 表示コントローラ
116 データリーダ/ライタ
117 通信インターフェイス
118 入力機器
119 ディスプレイ装置
120 記録媒体
121 バス
Claims (10)
- 複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子計算技術を用いた装置に、最適化問題を求解させる最適化支援装置であって、
前記最適化問題に関する入力情報を取得する、入力情報取得部と、
前記最適化問題の決定変数を設定する、決定変数設定部と、
前記最適化問題について一部の制約条件を緩和した複数の子問題に分解し、前記子問題それぞれについての目的関数を設定する、目的関数設定部と、
前記決定変数を前記子問題それぞれについての決定変数に分解して前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、入力部と、
前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記子問題の最適解として取得し、前記最適解に基づき前記子問題の目的関数の最適値を求める、結果取得部と、
前記最適解を束ねた緩和解と、前記最適値を加え合わせた緩和最適値とに基づき、前記一部の制約条件が満たされるか否かを判定し、前記一部の制約条件が満たされる場合には前記緩和解を元の最適化問題の最適解とし、前記一部の制約条件が満たされない場合には前記緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする、最適解決定部と、を備える、最適化支援装置。 - 前記最適解決定部は、前記一部の制約条件が満たされない場合には、前記緩和解および前記緩和最適値に基づき前記目的関数を更新し、
前記目的関数設定部は、前記最適解決定部により更新された目的関数を前記子問題それぞれについての目的関数として再設定する、請求項1に記載の最適化支援装置。 - 前記最適解決定部は、前記一部の制約条件が満たされない場合において、前記最適化問題が最小化問題の場合は、更新直前の下界値と前記緩和最適値とを比較して、下界値を更新し、前記最適化問題が最大化問題の場合は、更新直前の上界値と前記緩和最適値とを比較して、上界値を更新し、前記下界値または前記上界値に基づいて前記目的関数を更新する、
請求項2に記載の最適化支援装置。 - 前記最適解決定部は、前記一部の制約条件が満たされない場合において、前記実行可能解に基づいて、前記最適化問題が最小化問題の場合は、上界値を更新し、前記最適化問題が最大化問題の場合は、下界値を更新し、前記上界値または前記下界値に基づいて前記目的関数を更新する、
請求項2または3に記載の最適化支援装置。 - 前記最適解決定部は、前記一部の制約条件が満たされる、または所定の終了条件が満たされるまで、前記目的関数の更新を繰り返し、先に前記一部の制約条件が満たされた場合には、その時点で前記結果取得部により取得された最新の最適解を束ねた緩和解を元の最適化問題の最適解とし、先に前記所定の終了条件が満たされた場合には、その時点で得られている最良の実行可能解を元の最適化問題の最適解とする、請求項2から4までのいずれかに記載の最適化支援装置。
- 前記目的関数設定部は、前記緩和した制約条件に対する違反量に乗数を乗じた項を含む目的関数を設定する、
請求項1から5までのいずれかに記載の最適化支援装置。 - 前記最適解決定部は、前記緩和解に基づいて、前記緩和した制約条件に対する違反量を要素として算出した劣勾配ベクトルと、更新した下界値と、更新した上界値とにより、前記、乗数を更新する、
請求項6に記載の最適化支援装置。 - 格子状に配列した複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子計算技術を用いた装置に、最適化問題を求解させる最適化支援方法であって、
コンピュータが、
(1)前記最適化問題に関する入力情報を取得する、ステップ、
(2)前記最適化問題の決定変数を設定する、ステップ、
(3)前記最適化問題の一部の制約条件を緩和した複数の子問題に分解し、前記子問題それぞれについての目的関数を設定する、ステップ、
(4)前記決定変数を前記子問題それぞれについての決定変数に分解して前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、ステップ、
(5)前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記子問題の最適解として取得し、前記最適解に基づき前記子問題の目的関数の最適値を求める、ステップ、および、
(6)前記最適解を束ねた緩和解と、前記最適値を加え合わせた緩和最適値とに基づき、前記一部の制約条件が満たされるか否かを判定し、前記一部の制約条件が満たされる場合には前記緩和解を元の最適化問題の最適解とし、前記一部の制約条件が満たされない場合には前記緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする、ステップを実行する、最適化支援方法。 - 格子状に配列した複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子計算技術を用いた装置に、最適化問題を求解させるに際して、
コンピュータに、
(1)前記最適化問題に関する入力情報を取得する、ステップ、
(2)前記最適化問題の決定変数を設定する、ステップ、
(3)前記最適化問題の一部の制約条件を緩和した複数の子問題に分解し、前記子問題それぞれについての目的関数を設定する、ステップ、
(4)前記決定変数を前記子問題それぞれについての決定変数に分解して前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、ステップ、
(5)前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記子問題の最適解として取得し、前記最適解に基づき前記子問題の目的関数の最適値を求める、ステップ、および、
(6)前記最適解を束ねた緩和解と、前記最適値を加え合わせた緩和最適値とに基づき、前記一部の制約条件が満たされるか否かを判定し、前記一部の制約条件が満たされる場合には前記緩和解を元の最適化問題の最適解とし、前記一部の制約条件が満たされない場合には前記緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする、ステップを実行させるプログラム。 - 最適化問題を最適化するシステムであって、
格子状に配列した複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子計算技術を用いた装置と、
前記最適化問題に関する入力情報を取得する、入力情報取得部と、
前記最適化問題の決定変数を設定する、決定変数設定部と、
前記最適化問題について一部の制約条件を緩和した複数の子問題に分解し、前記子問題それぞれについての目的関数を設定する、目的関数設定部と、
前記決定変数を前記子問題それぞれについての決定変数に分解して前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、入力部と、
前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記子問題の最適解として取得し、前記最適解に基づき前記子問題の目的関数の最適値を求める、結果取得部と、
前記最適解を束ねた緩和解と、前記最適値を加え合わせた緩和最適値とに基づき、前記一部の制約条件が満たされるか否かを判定し、前記一部の制約条件が満たされる場合には前記緩和解を元の最適化問題の最適解とし、前記一部の制約条件が満たされない場合には前記緩和解に含まれる違反を修正して得た実行可能解を元の最適化問題の最適解とする、最適解決定部と、を備える、最適化システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019082263 | 2019-04-23 | ||
JP2019082263 | 2019-04-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020181576A JP2020181576A (ja) | 2020-11-05 |
JP7457243B2 true JP7457243B2 (ja) | 2024-03-28 |
Family
ID=73024660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020076409A Active JP7457243B2 (ja) | 2019-04-23 | 2020-04-23 | 最適化支援装置、最適化支援方法、プログラムおよび最適化システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7457243B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7224405B1 (ja) | 2021-08-18 | 2023-02-17 | 西日本電信電話株式会社 | 意思決定支援装置、意思決定支援プログラム及び意思決定支援方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017145086A1 (en) | 2016-02-23 | 2017-08-31 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a binary polynomially constrained polynomial programming problem using a binary optimizer |
-
2020
- 2020-04-23 JP JP2020076409A patent/JP7457243B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017145086A1 (en) | 2016-02-23 | 2017-08-31 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a binary polynomially constrained polynomial programming problem using a binary optimizer |
Also Published As
Publication number | Publication date |
---|---|
JP2020181576A (ja) | 2020-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Learning scheduling policies for multi-robot coordination with graph attention networks | |
JP7457242B2 (ja) | 最適化支援装置、最適化支援方法、プログラムおよび最適化システム | |
Karimi et al. | Bi-objective group scheduling in hybrid flexible flowshop: a multi-phase approach | |
Xiao et al. | Integration of electromagnetism with multi-objective evolutionary algorithms for RCPSP | |
Zoraghi et al. | A hybrid project scheduling and material ordering problem: Modeling and solution algorithms | |
Lei et al. | A parallel neighborhood search for order acceptance and scheduling in flow shop environment | |
WO2005062145A1 (ja) | 生産・物流スケジュール作成装置及び方法、生産・物流プロセス制御装置及び方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 | |
Park et al. | Self-supervised primal-dual learning for constrained optimization | |
Zheng et al. | A data-driven robust optimization method for the assembly job-shop scheduling problem under uncertainty | |
Mondal | A new supply chain model and its synchronization behaviour | |
Wen et al. | Uncertain optimization model for multi-echelon spare parts supply system | |
Liu et al. | Two-stage stochastic programming with linearly bi-parameterized quadratic recourse | |
JP2020204928A (ja) | 最適化装置および最適化方法 | |
JP7457243B2 (ja) | 最適化支援装置、最適化支援方法、プログラムおよび最適化システム | |
Rehfeldt et al. | A massively parallel interior-point solver for LPs with generalized arrowhead structure, and applications to energy system models | |
Benbouzid-Si Tayeb et al. | Game theory-based integration of scheduling with flexible and periodic maintenance planning in the permutation flowshop sequencing problem | |
Lieckens et al. | Differential evolution to solve the lot size problem in stochastic supply chain management systems | |
Rahman et al. | Scheduling project with stochastic durations and time-varying resource requests: A metaheuristic approach | |
Sarfati et al. | Increase-decrease game under imperfect competition in two-stage zonal power markets–Part I: Concept analysis | |
Huang et al. | Benchmarking quantum (-inspired) annealing hardware on practical use cases | |
JP6834717B2 (ja) | 非線形計画問題の演算装置、方法及びプログラム | |
Vaghefinezhad et al. | A genetic algorithm approach for solving a flexible job shop scheduling problem | |
Chua et al. | A surrogate model to predict production performance in digital twin-based smart manufacturing | |
Lopes et al. | Algorithm based on particle swarm applied to electrical load scheduling in an industrial setting | |
Kato et al. | Tackling an Exact Maximum Stress Minimization Problem With Gradient-Free Topology Optimization Incorporating a Deep Generative Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221205 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231226 |
|
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: 20240213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240226 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7457243 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |