Optimising Rolling Stock Planning including Maintenance with Constraint Programming and Quantum Annealing

要約

必要な保守タスクを考慮した車両割り当ての最適化のための制約プログラミング (CP) と量子アニーリング (QA) アプローチを提案および比較します。
CP アプローチでは、特に、All Different 制約、Element 制約の拡張、論理的意味などを使用して問題をモデル化します。
QA アプローチでは、二次無制約バイナリ最適化 (QUBO) モデルを開発します。
評価には、ドイツ鉄道の実データに基づくデータセットを使用し、D-Wave の実際の量子コンピューター上で QA アプローチを実行します。
古典的なコンピューターは、CP アプローチと QUBO モデルのタブ検索を評価するために使用されます。
物理量子アニーラーの現在の開発段階では、両方のアプローチが同等の結果を生み出す傾向があることがわかりました。

要約(オリジナル)

We propose and compare Constraint Programming (CP) and Quantum Annealing (QA) approaches for rolling stock assignment optimisation considering necessary maintenance tasks. In the CP approach, we model the problem with an Alldifferent constraint, extensions of the Element constraint, and logical implications, among others. For the QA approach, we develop a quadratic unconstrained binary optimisation (QUBO) model. For evaluation, we use data sets based on real data from Deutsche Bahn and run the QA approach on real quantum computers from D-Wave. Classical computers are used to evaluate the CP approach as well as tabu search for the QUBO model. At the current development stage of the physical quantum annealers, we find that both approaches tend to produce comparable results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google