QuantumJSP

Solveur de problèmes de planification de l'atelier quantique

Une approche heuristique sur la façon de planifier de manière optimale les travaux à l'aide d'un ordinateur quantique.

La publication peut être trouvée ici.

Remarque: Pour une solution plus efficace, consultez la branche "Pyqubo".
(fonctionne extrêmement lentement tout en utilisant la simulation au lieu de vrai QPU.)

Table des matières

• À propos du projet
• Commencer
  • Condition préalable
  • Installation
  • Démarrage rapide
• Comment citer notre travail

À propos du projet

Remarque: les chiffres dans les bars représentent des emplois

Compte tenu d'un ensemble d'emplois et d'un nombre fini de machines, comment devons-nous planifier nos travaux sur ces machines de telle sorte que tous nos travaux sont terminés le plus tôt possible? Cette question est le problème de planification de l'atelier!

Commencer

Condition préalable

• Python 3.5 ou plus tard
• matplotlib (pour la visualisation des résultats dans les graphiques.py)

 pip3 install matplotlib

• Les bibliothèques d'Owe pour l'interaction avec l'API QPU https://docs.ocean.dwavesys.com/en/latest/overview/install.html

Installation

Remarque: Si vous êtes d'accord avec l'utilisation d'un simulateur au lieu d'un vrai QPU, passez à la partie 3.

1. Obtenez une clé API gratuite à https://www.dwavesys.com/take-leap
2. Configurez un solveur sur https://docs.ocean.dwavesys.com/en/latest/overview/dwavesys.html#dwavesys
3. Cloner le repo

 git clone https://github.com/mareksubocz/QuantumJSP

Démarrage rapide

 python3 demo.py data/ft06.txt

Comment citer notre travail

Kurowski K., Wȩglarz J., Subocz M., Różycki R., Waligóra G. (2020) Méthode heuristique de recuit quantique hybride pour résoudre le problème de planification de l'atelier d'emploi. Dans: Krzhizhanovskaya V. et al. (EDS) Computational Science - ICCS 2020. ICCS 2020. Notes de cours en informatique, vol 12142. Springer, Cham. https://doi.org/10.1007/978-3-030-50433-5_39