最適化への適用例# 数分割問題 概要: 数分割問題とは JijModelingによるモデル構築 インスタンスデータの作成 JijModeling transpilerによるPyQUBOへの変換 OpenJijによる最適化計算の実行 デコードと解の表示 ナップサック問題 概要: ナップサック問題とは 具体例 問題の一般化 JijModelingによるモデル構築 ナップサック問題で用いる変数を定義 目的関数の追加 制約の追加 インスタンスの作成 未定乗数の設定 JijModeling transpilerによるPyQUBOへの変換 OpenJijによる最適化計算の実行 デコードと解の表示 グラフ彩色問題 概要: グラフ彩色問題とは 具体例 問題の一般化 JijModelingによるモデル構築 グラフ彩色問題で用いる変数を定義 制約の追加 目的関数の追加 インスタンスの作成 未定乗数の設定 JijModeling transpilerによるPyQUBOへの変換 OpenJijによる最適化計算の実行 デコードと解の表示 クリーク被覆問題 概要: クリーク被覆問題 完全グラフ バイナリ変数 制約: 頂点は1つのクリークにしか所属できない 目的関数: 完全グラフとの差を最小にする JijModelingによるモデル構築 ナップサック問題で用いる変数を定義 制約の追加 目的関数の追加 インスタンスの作成 未定乗数の設定 JijModeling transpilerによるPyQUBOへの変換 OpenJijによる最適化計算の実行 デコードと解の表示 整数長ジョブシーケンス問題 概要: 整数長ジョブシーケンス問題とは 具体例 問題の一般化 JijModelingによるモデル構築 整数長ジョブシーケンス問題で用いる変数を定義 制約の追加 目的関数の追加 インスタンスの作成 未定乗数の設定 JijModeling transpilerによるPyQUBOへの変換 OpenJijによる最適化計算の実行 デコードと解の表示 HUBO Solverを用いたタンパク質折り畳み問題の解析 問題の概要とHydrophobic-Polar(HP)モデル、Miyazawa-Jernigan(MJ)モデル 問題概要 HPモデル MJモデル 解法の概要 1. ラティスフォールディングのビット表現方法 2. コスト関数の定式化 コスト関数設計 3. HUBOソルバーによる解法 4. HUBOによる直接解法と参考論文[1]の結果との比較 引用文献 リバース量子アニーリングを用いたポートフォリオ最適化 はじめに ポートフォリオ最適化問題 Sharpe Ratio ポートフォリオの評価と最適化 Reverse Quantum Annealingによるポートフォリオ最適化 Reverse Quantum Annealing Reverse Quantum Annealingによるポートフォリオ最適化の手順 銘柄データの生成と古典アルゴリズムの実装 最適化を行う銘柄データの生成 古典アルゴリズムによる探索 貪欲法による探索 遺伝的アルゴリズム OpenJijを用いた量子アニーリング手法の実装 Quantum Annealingによる解法 Forward Annealingの場合 Reverse Quantum Annealing(RQA)の場合 Reverse Quantum Annealingの確認 RQAスケジュールを指定するときのパラメータ探索 Reverse Phaseの場合 Pause Phaseの場合 Forward Phaseの場合 終わりに 付録A シミュレーションの結果が上手くいかない場合 付録B DwaveマシンでRQA実験をする場合のコード 参考文献
