[논문 리뷰] A Tutorial on Formulating QUBO Models.

Fred Glover, Gary Kochenberger|arXiv (Cornell University)|2018. 11. 13.

Operations Management Techniques인용 수 20

한 줄 요약

이 논문은 조합 최적화 문제를 이차 무제약 이진 최적화(QUBO) 모델로 변환하는 데 체계적인 가이드를 제공한다. 간단한 재구성 기법을 사용하여 고전적인 최적화 문제를 QUBO 형태로 변환함으로써, 전용 QUBO 솔버를 통해 효율적인 해를 도출할 수 있으며, 이는 QUBO가 다양한 산업 및 정부 분야의 최적화 과제를 통합하는 데 유용한 프레임워크로 자리매김함을 보여준다.

ABSTRACT

The field of Combinatorial Optimization (CO) is one of the most important areas in the general field of optimization, with important applications found in every industry, including both the private and public sectors. It is also one of the most active research areas pursued by the research communities of Operations Research, Computer Science, and Analytics as they work to design and test new methods for solving real world CO problems. In recent years, we have discovered that a mathematical formulation known as QUBO, an acronym for a Quadratic Unconstrained Binary Optimization problem, can embrace a large variety of important CO problems found in industry and government. Through special reformulation techniques that are easy to apply, the power of QUBO solvers can be used to efficiently solve many important problems once they are put into the QUBO framework. This two-step process of first re-casting an original model into the form of a QUBO model and then solving it with appropriate software enables the QUBO model to become a unifying framework for combinatorial optimization. The alternative path that results for effectively modeling and solving many important problems is a new development in the field of combinatorial optimization. The materials provided in subsequent sections illustrate the process of reformulating important optimization problems as QUBO models through a series of explicit examples. Collectively these examples highlight the application breadth of the QUBO model. We do not focus here on modeling a given problem in the form classically adopted in the optimization community. Rather, our examples disclose the methods that can be used to recast a given problem, perhaps existing in a classical mathematical form, into an equivalent QUBO model.

연구 동기 및 목표

• 다양한 조합 최적화 문제들이 QUBO 형태로 재구성될 수 있음을 보여주기.
• 다양한 실제 문제에 대해 QUBO 솔버를 사용할 수 있도록 통합된 모델링 프레임워크를 제공하기.
• 전통적인 최적화 모델링에서 QUBO 재구성으로의 전환을 강조하여 강력한 대안적 접근법으로 삼기.
• 명시적이고 단계적인 예제를 통해 QUBO의 광범위한 적용 가능성을 설명하기.
• 연구자와 실무자들이 기존 모델을 QUBO 호환 형식으로 변환할 수 있도록 도구를 제공하기.

제안 방법

• 논문은 조합 최적화 문제의 고전적 수학적 모델을 동치의 QUBO 포맷으로 변환하기 위해 재구성 기법을 사용한다.
• 이진 변수를 도입하여 이산적 선택을 표현함으로써 논리적 및 조합 제약 조건을 이차형태로 표현할 수 있다.
• 제약 조건은 페널티 항을 사용하여 목적 함수에 통합되어 QUBO 포맷에서의 타당성을 유지한다.
• 수학적 변환을 통해 원래 문제와 최종 QUBO 모델 간의 동치성을 보장한다.
• 예제를 통해 과정을 설명하며, 다양한 문제 유형(예: 집합 분할, 그래프 분할)이 QUBO로 어떻게 매핑될 수 있는지 보여준다.
• 기존 최적화 모델링 형식에 의존하지 않고, QUBO 전용 재구성에 초점을 맞춘다.

실험 결과

연구 질문

• RQ1 고전적인 조합 최적화 문제들이 어떻게 체계적으로 QUBO 모델로 변환될 수 있는가?
• RQ2 제약 조건과 목적 함수를 이차 이진 형태로 변환하는 데 효과적인 재구성 기법은 무엇인가?
• RQ3 QUBO가 다양한 최적화 문제 간의 통합 프레임워크로 얼마나 효과적으로 기능할 수 있는가?
• RQ4 원래 모델과 그 QUBO 재구성 간의 동치성을 보장하기 위한 핵심 단계와 원칙은 무엇인가?
• RQ5 양자 기반 최적화에 대한 전문 지식이 없는 실무자가 QUBO 모델링을 실제 문제에 어떻게 적용할 수 있는가?

주요 결과

• QUBO 프레임워크는 산업 및 정부 분야의 다양한 조합 최적화 문제를 포함해 광범위한 스펙트럼을 표현할 수 있다.
• QUBO 포맷으로의 재구성은 전용 QUBO 솔버를 통해 효율적인 해를 도출할 수 있게 하여 문제 해결의 확장성을 향상시킨다.
• 변환 과정은 체계적이며 접근하기 쉬우며, 다양한 문제 유형에 적용 가능한 명확한 기법에 기반한다.
• 이 방법은 문제의 동치성을 유지하여 QUBO 모델의 해가 원래 문제의 유효한 해임을 보장한다.
• 이 가이드는 QUBO 모델링이 전통적인 최적화 모델링 접근법에 비해 실현 가능하고 강력한 대안임을 보여준다.
• 이 접근법은 QUBO가 조합 최적화 분야에서 통합적 패러다임으로서의 잠재력을 부각시킨다.