Hybrid Quantum-Classical Multi-Agent Pathfinding

要約

マルチエージェント パス検索 (MAPF) は、指定された目標場所に到達するために共有スペースを移動する複数のエージェントの競合のないパスを決定することに重点を置いています。
この問題は、自動運転車の調整などの実際のアプリケーションで頻繁に発生するように、特に多数のエージェントを処理する場合に、計算上困難になります。
量子コンピューティング (QC) は、このような限界を克服するための有望な候補です。
ただし、現在の量子ハードウェアはまだ初期段階にあるため、計算能力とエラー耐性の点で限界があります。
この研究では、ブランチ・アンド・カット・アンド・プライズに基づく、最初の最適なハイブリッド量子古典MAPFアルゴリズムを提示します。
QC は、競合グラフに基づいて QUBO 問題を反復的に解決することによって統合されます。
実際の量子ハードウェアでの実験とベンチマーク データの結果は、私たちのアプローチが以前の QUBO 定式化とベースライン MAPF ソルバーよりも優れていることを示唆しています。

要約(オリジナル)

Multi-Agent Path Finding (MAPF) focuses on determining conflict-free paths for multiple agents navigating through a shared space to reach specified goal locations. This problem becomes computationally challenging, particularly when handling large numbers of agents, as frequently encountered in practical applications like coordinating autonomous vehicles. Quantum computing (QC) is a promising candidate in overcoming such limits. However, current quantum hardware is still in its infancy and thus limited in terms of computing power and error robustness. In this work, we present the first optimal hybrid quantum-classical MAPF algorithm which is based on branch-and-cut-and-prize. QC is integrated by iteratively solving QUBO problems, based on conflict graphs. Experiments on actual quantum hardware and results on benchmark data suggest that our approach dominates previous QUBO formulations and baseline MAPF solvers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google