本文讨论的实施方式涉及数据处理装置和数据处理方法。
背景技术:
1、存在当搜索组合优化问题的解时将组合优化问题转换为表示磁自旋的行为的ising模型的方法。然后,使用马尔可夫链蒙特卡洛方法,搜索ising模型的状态,在每个状态中,ising模型的评价函数的值(对应于ising模型的能量)具有局部最小值。在评价函数的局部最小值中具有最小值的状态是组合优化问题的最优解。注意,通过改变评价函数的符号,还可以搜索评价函数的值具有局部最大值的状态。
2、马尔可夫链蒙特卡洛方法在下文中简称为mcmc方法。另外,通过mcmc方法的处理可以被称为mcmc处理。在mcmc处理中,以例如由metropolis或gibbs方法定义的状态转换的接受概率接受状态转换。模拟退火和复制交换是可以与mcmc方法一起使用的优化或采样方法。
3、如果在mcmc处理的每次迭代中继续拒绝状态转换,则不发生状态转换。为了防止这种现象,已经提出了一些方法来生成样本序列,其中每次迭代都发生状态转换(参见,例如,日本特开专利公布第2020-135727号;以及j.s.rosenthal等人,“jump markov chainsand rejection-free metropolis algorithms”,计算统计学杂志,第36卷(第4期),第2789页至2811页,2021年)。这样的技术也称为无拒绝(rejection-free)。
4、定义问题的系数(各个状态变量之间的权重系数)的数量随着问题规模的增加而增加。注意,问题的规模由状态变量的数量表示,状态变量的数量对应于ising模型的自旋的数量。因此,用于计算组合优化问题的数据处理装置可能面临不能将所有权重系数存储在快速但相对小容量的存储器(例如,片上存储器)中的问题。在这样的情况下,权重系数被保存在具有相对大容量的存储器中;然而,对权重系数的访问可能花费较长时间,因此极大地限制了处理速度。
5、传统上,提出了将组合优化问题分成多个子问题以减小权重系数的大小来使得权重系数可以存储在存储器中并且然后通过无拒绝搜索每个子问题的解的方法(例如,参见sigengchen等人的“optimization via rejection-free partial neighbor search”,arxiv:2205.02083,2022年4月15日)。子问题计算通过将所有状态变量划分为多个状态变量组并且在每个状态变量组的范围内生成到相邻状态(例如,具有1比特的汉明距离的状态)的状态转换来搜索解。由于这个原因,子问题计算也被称为部分邻居搜索。
6、然而,在通过无拒绝执行部分邻居搜索的情况下,在每个部分邻居(即,每个划分的状态变量组)的解搜索范围中可能出现偏差。在这种情况下,有效的解搜索可能失败。
技术实现思路
1、实施方式的一个方面是提供一种能够进行有效的解搜索的数据处理装置和数据处理方法。
2、根据一个方面,提供了一种数据处理装置,包括:第一存储设备,用于存储通过变换组合优化问题而获得的评价函数中包括的多个权重系数的值;第二存储设备,用于存储多个权重系数中与从多个状态变量组中选择的状态变量组相关联的权重系数组的值,所述多个状态变量组是通过对评价函数中包括的多个状态变量进行划分而获得的;搜索设备,用于通过重复更新处理来搜索组合优化问题的解,更新处理包括使用从第二存储设备读取的权重系数组的值来计算响应于改变状态变量组的每个状态变量的值的评价函数的值的变化的处理,以及基于该变化和温度值来改变状态变量组的状态变量之一的值的处理;以及处理设备,用于基于该变化和温度值来计算多重性,并且响应于多重性的累积值超过预定阈值来使搜索设备使用与从多个状态变量组中选择的不同状态变量组相关联的权重系数组的值来执行更新处理,所述多重性指示在使用马尔可夫链蒙特卡罗方法搜索解时维持状态变量组的状态变量的值的迭代次数。
1.一种数据处理装置,包括:
2.根据权利要求1所述的数据处理装置,其中:
3.根据权利要求1所述的数据处理装置,其中:
4.根据权利要求3所述的数据处理装置,其中:
5.根据权利要求1所述的数据处理装置,其中:
6.一种非暂态计算机可读记录介质,在所述非暂态计算机可读记录介质中存储有使计算机执行包括以下操作的处理的计算机程序:
7.一种数据处理方法,包括: