Jump to content

Квадратичная неограниченная бинарная оптимизация

Квадратичная неограниченная бинарная оптимизация ( QUBO ), также известная как неограниченное двоично-квадратичное программирование ( UBQP ), представляет собой задачу комбинаторной оптимизации с широким спектром приложений от финансов и экономики до машинного обучения . [ 1 ] QUBO — это NP-сложная задача, и для многих классических задач теоретической информатики , таких как максимальный разрез , раскраска графа и проблема разделения , были сформулированы вложения в QUBO. [ 2 ] [ 3 ] Вложения для моделей машинного обучения включают машины опорных векторов , кластеризацию и вероятностные графические модели . [ 4 ] Более того, из-за своей тесной связи с моделями Изинга , QUBO представляет собой центральный класс проблем адиабатических квантовых вычислений , где он решается с помощью физического процесса, называемого квантовым отжигом . [ 5 ]

Определение

[ редактировать ]

Набор двоичных векторов фиксированной длины обозначается , где — это набор двоичных значений (или битов ). Нам дана вещественная верхняя треугольная матрица , чьи записи определить вес для каждой пары индексов внутри бинарного вектора. Мы можем определить функцию который присваивает значение каждому двоичному вектору через

Интуитивно вес добавляется, если оба и иметь значение 1. Когда , значения добавляются, если , как для всех .

Задача QUBO состоит в нахождении двоичного вектора это минимально по отношению к , а именно

В общем, не является уникальным, то есть может существовать набор минимизирующих векторов с равным значением относительно . Сложность QUBO возникает из-за количества оцениваемых двоичных векторов-кандидатов, а именно: растет в геометрической прогрессии .

Иногда QUBO определяют как задачу максимизации , что эквивалентно минимизации .

Характеристики

[ редактировать ]

QUBO является масштабно-инвариантным для положительных факторов. , которые оставляют оптимум без изменений:

В своей общей форме задача QUBO является NP-трудной и не может быть эффективно решена ни одним алгоритмом с полиномиальным временем. [ 6 ] Однако существуют полиномиально разрешимые частные случаи, когда имеет определенные свойства, [ 7 ] например:

  • Если все коэффициенты положительны, оптимум тривиально . Аналогично, если все коэффициенты отрицательны, оптимум равен .
  • Если диагонально , биты можно оптимизировать независимо , и проблема разрешима в . Оптимальные назначения переменных просто если , и в противном случае.
  • Если все недиагональные элементы неположительны, соответствующая задача QUBO разрешима за полиномиальное время. [ 8 ]

QUBO можно решить с помощью целочисленного линейного программирования, решателей таких как CPLEX или Gurobi Optimizer . Это возможно, поскольку QUBO можно переформулировать как задачу бинарной оптимизации с линейными ограничениями. Для этого замените произведение дополнительной двоичной переменной и добавьте ограничения , и . Обратите внимание, что также может быть релаксирован до непрерывных переменных в пределах нуля и единицы.

Приложения

[ редактировать ]

QUBO — это структурно простая, но вычислительно сложная задача оптимизации. Его можно использовать для кодирования широкого спектра задач оптимизации из различных научных областей. [ 9 ]

Кластерный анализ

[ редактировать ]
Бинарная кластеризация с помощью QUBO
20 точек со случайным распределением кластеров
Неправильное назначение кластера.
20 баллов при разумном распределении кластеров
Хорошее кластерное задание.
Визуальное представление задачи кластеризации с 20 точками: круги одного цвета принадлежат одному кластеру. Каждый круг можно понимать как двоичную переменную в соответствующей задаче QUBO.

В качестве наглядного примера того, как QUBO можно использовать для кодирования задачи оптимизации, рассмотрим задачу кластерного анализа . Здесь нам дан набор из 20 точек в 2D-пространстве, описываемый матрицей , где каждая строка содержит две декартовых координаты . Мы хотим присвоить каждую точку одному из двух классов или кластеров , чтобы точки в одном кластере были похожи друг на друга. Для двух кластеров мы можем назначить двоичную переменную до точки, соответствующей -я строка в , указывающий, принадлежит ли он первому ( ) или второй кластер ( ). Следовательно, у нас есть 20 бинарных переменных, которые образуют бинарный вектор что соответствует кластерному назначению всех точек (см. рисунок).

Один из способов получить кластеризацию — рассмотреть попарные расстояния между точками. Учитывая назначение кластера , один из или оценивается как 1, если указывает и находятся в одном кластере. Аналогично, один из или указывает на то, что они находятся в разных кластерах. Позволять обозначаем евклидово расстояние между точками и . Чтобы определить функцию стоимости, которую следует минимизировать, когда точки и находятся в одном кластере, мы добавляем их положительное расстояние и вычтите его, когда они находятся в разных кластерах. Таким образом, оптимальное решение имеет тенденцию помещать точки, находящиеся далеко друг от друга, в разные кластеры, а точки, расположенные близко, — в один и тот же кластер. Таким образом, функция стоимости сводится к

Из второй строки параметры QUBO можно легко найти, переставив их следующим образом:

Используя эти параметры, оптимальное решение QUBO будет соответствовать оптимальному кластеру относительно функции выше стоимости.

Подключение к моделям Изинга

[ редактировать ]

QUBO очень тесно связан и вычислительно эквивалентен модели Изинга которой , функция Гамильтона определяется как

с вещественными параметрами для всех . Спиновые переменные являются двоичными со значениями из вместо . Более того, в модели Изинга переменные обычно располагаются в решетке, где только соседние пары переменных может иметь ненулевые коэффициенты. Применение идентичности дает эквивалентную задачу QUBO: [ 2 ]

где

и используя тот факт, что для двоичной переменной .

Поскольку константа не меняет положения оптимума , им можно пренебречь при оптимизации, и он важен только для восстановления исходного значения функции Гамильтона.

  1. ^ Коченбергер, Гэри; Хао, Джин-Као; Гловер, Фред; Льюис, Марк; Лу, Чжипенг; Ван, Хайбо; Ван, Ян (2014). «Задача неограниченного бинарно-квадратичного программирования: обзор» (PDF) . Журнал комбинаторной оптимизации . 28 : 58–81. дои : 10.1007/s10878-014-9734-0 . S2CID   16808394 .
  2. ^ Jump up to: а б Гловер, Фред; Кохенбергер, Гэри (2019). «Учебное пособие по формулированию и использованию моделей QUBO». arXiv : 1811.11538 [ cs.DS ].
  3. ^ Лукас, Эндрю (2014). «Формулировки Изинга многих задач NP» . Границы в физике . 2 : 5. arXiv : 1302.5843 . Бибкод : 2014FrP.....2....5L . дои : 10.3389/fphy.2014.00005 .
  4. ^ Мюке, Саша; Пятковски, Нико; Морик, Катарина (2019). «Обучение шаг за шагом: извлечение сути машинного обучения» (PDF) . ЛВДА . S2CID   202760166 . Архивировано из оригинала (PDF) 27 февраля 2020 г.
  5. ^ Том Симонайт (8 мая 2013 г.). «Квантовый компьютер D-Wave участвует в гонках и побеждает» . Обзор технологий MIT. Архивировано из оригинала 24 сентября 2015 года . Проверено 12 мая 2013 г.
  6. ^ А. П. Паннен (редактор), Квадратичная задача бинарной оптимизации без ограничений: теория, алгоритмы и приложения, Springer, Springer, 2022.
  7. ^ Чела, Э., Пуннен, AP (2022). Сложность и полиномиально разрешимые частные случаи QUBO. В: Пуннен, А.П. (ред.) Квадратичная задача двоичной оптимизации без ограничений. Спрингер, Чам. https://doi.org/10.1007/978-3-031-04520-2_3
  8. ^ См. теорему 3.16 в Punnen (2022); Обратите внимание, что авторы предполагают максимизирующую версию QUBO.
  9. ^ Ратке, Дэниел (10 июня 2021 г.). «Перечень препаратов QUBO» . Проверено 16 декабря 2022 г.
[ редактировать ]
  • QUBO Benchmark (Бенчмарк пакетов программного обеспечения для точного решения QUBO; часть известной коллекции тестов Mittelmann)


Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 98ed3fe80a1ebf5eb6673ea67349a793__1714623780
URL1:https://arc.ask3.ru/arc/aa/98/93/98ed3fe80a1ebf5eb6673ea67349a793.html
Заголовок, (Title) документа по адресу, URL1:
Quadratic unconstrained binary optimization - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)