California Institute of Technology（加州理工学院）

Distributed Constraint Optimization via Online Learning and Iterative Pricing with Application to Large-Scale Satellite Scheduling

通过在线学习和迭代定价进行分布式约束优化及其在大规模卫星调度中的应用

Itai Zilberstein, Pranav Rajbhandari, Steve Chien, Tuomas Sandholm

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） ； Strategy Robot, Inc.（战略机器人公司） ； Strategic Machine, Inc.（战略机器公司） ； Optimized Markets, Inc.（优化市场公司） 纠错

AI总结 研究分布式约束优化问题，通过结合在线学习方法与迭代定价框架，将其应用于大规模卫星调度，在实际问题实例上取得近最优性能，满足观测请求比例远超最先进基线。

Optimal Ansatz-free Hamiltonian Learning In Situ

无假设哈密顿量的最优原位学习

Taiqi Zhou, Weiyuan Gong

机构 * Department of Information Engineering, The Chinese University of Hong Kong（香港中文大学信息工程系） ； John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保罗森工程与应用科学学院） ； California Institute of Technology（加州理工学院） 纠错

AI总结 提出一种无需控制、无需辅助比特的算法，仅用泡利乘积态制备和测量，以最优总演化时间学习无假设哈密顿量，适用于近中期量子实验。

Comments 51 pages, 2 figures