[논문 리뷰] Quantum Optimization for Access Point Selection Under Budget Constraint

Mohamed Khalil Brik, Ahmed Shokry외 1명|arXiv (Cornell University)|2026. 02. 09.

Indoor and Outdoor Localization Technologies인용 수 0

한 줄 요약

본 논문은 예산 제약 하의 AP 선택 방법을 양자 어닐링 기반으로 제시하고, QUBO로 형식화하여 필요한 AP를 96.1% 감소시키면서 3D 위치추정 정확도는 유사하게 유지하고 고전 방법에 비해 61배 속도 향상을 달성한다.

ABSTRACT

Optimal Access Point (AP) selection is crucial for accurate indoor localization, yet it is constrained by budget, creating a trade-off between localization accuracy and deployment cost. Classical approaches to AP selection are often computationally expensive, hindering their application in large-scale 3D indoor environments. In this paper, we introduce a quantum APs selection algorithm under a budget constraint. The proposed algorithm leverages quantum annealing to identify the most effective subset of APs allowed within a given budget. We formulate the APs selection problem as a quadratic unconstrained binary optimization (QUBO) problem, making it suitable for quantum annealing solvers. The proposed technique can drastically reduce infrastructure requirements with a negligible impact on performance. We implement the proposed quantum algorithm and deploy it in a realistic 3D testbed. Our results show that the proposed approach can reduce the number of required APs by 96.1% while maintaining a comparable 3D localization accuracy. Furthermore, the proposed quantum approach outperforms classical AP selection algorithms in both accuracy and computational speed. Specifically, our technique achieves a time of 0.20 seconds, representing a speedup of 61 times over its classical counterpart, while reducing the mean localization error by 10% compared to the classical counterpart. For floor localization, the quantum approach achieves 73% floor accuracy, outperforming both the classical AP selection (58.6%) and even using the complete set of APs (70.4%). This highlights the promise of the proposed quantum APs selection algorithm for large-scale 3D localization.

연구 동기 및 목표

• 실내 3D 위치 추정의 필요성과 AP 배치 비용 억제의 필요성에 대한 동기 부여.
• localization 정확도를 보존하는 예산 제약 AP 선택 프레임워크 개발.
• AP 선택 문제의 QUBO 형식을 양자 어닐링으로 해결.
• 정확도 및 계산 시간에서 양자 AP 선택을 고전적 기준선과 비교할 것.

제안 방법

• 예산 제약을 가진 Quadratic Unconstrained Binary Optimization (QUBO)으로 AP 선택 문제를 공식화합니다.
• 제약 조건 sum x_i = k를 가진 이진 변수 x_i를 사용하여 AP 선택을 나타냅니다.
• 밸런싱 파라미터 alpha를 가진 AP 중요도 I_i와 중복성 R_ij를 결합하는 목적함수를 정의합니다.
• 예산은 패널티 항 eta (sum x_i - k)^2를 통해 강제합니다.
• I_i를 가중치화하기 위해 엔트로피, 분산, AVG, MAX의 네 가지 AP 중요도 지표를 탐구합니다.
• RSS 벡터 간의 절대 Pearson 상관계수를 이용해 중복성을 계산합니다.
• QUBO를 양자 어닐링 시뮬레이터(OpenJij)로 해결하고 고전 SA와 비교합니다.

Figure 1 : Example of WiFi fingerprinting location tracking process with four APs.

실험 결과

연구 질문

• RQ1 예산 제약 하의 AP 선택 문제를 양자 어닐링용 QUBO로 효과적으로 형식화할 수 있는가?
• RQ2 예산 제한 상황에서 위치추정 성능을 가장 잘 예측하는 AP 중요도 지표는 무엇인가?
• RQ3 양자 AP 선택은 3D 위치추정 정확도와 속도 측면에서 고전 최적화와 어떻게 비교되는가?
• RQ4 QUBO 파라미터(alpha, eta) 및 어닐링 설정이 해의 품질에 미치는 영향은 무엇인가?

주요 결과

• 양자 AP 선택은 필요한 AP를 96.1% 감소시키면서 3D 위치추정 정확도는 유사하게 유지한다.
• QA의 평균 3D 위치 오차는 11.7–11.58 m로 SA(14.3 m)와 모든 AP를 사용하는 경우(12.4 m)보다 우수하다.
• 층위 위치추정 정확도는 QA가 73%로 SA(58.6%)를 넘어서는 성능이며 전체 AP 세트(70.4%)보다도 높다.
• 해결 시간은 QA가 0.20초로 고전 벤치마크 대비 61배의 속도 향상을 보인다.
• 엔트로피 기반 AP 중요도가 테스트된 지표들 중 평균 3D 오차를 가장 잘 예측한다.
• 실험에선 SA보다 어닐링 시간이 더 짧은 것으로 나타났다.

Figure 2 : Mean 3D error by selection method.