Benchmarking QAOA on the job reassignment problem: An empirical analysis

Autores
Lusso, Adriano; Gimenez, Christian Nelson; Mata Ali, Alejandro
Año de publicación
2025
Idioma
inglés
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En la última década, se ha logrado un progreso significativo en el desarrollo de computadoras NISQ (Noisy Intermediate-Scale Quantum), aunque se requieren mejoras en el hardware para que los algoritmos cuánticos a gran escala se ejecuten sin errores. Mientras tanto, los investigadores continúan enfocándose en el desarrollo de algoritmos efectivos para el hardware actual, con énfasis en aplicaciones a corto plazo como la optimización combinatoria. Este estudio presenta un análisis comparativo del Algoritmo Cuántico de Optimización Aproximada (QAOA) aplicado al problema de Reasignación de Puestos de Trabajo (JRP), que consiste en asignar n trabajadores a m trabajos vacantes para maximizar la realización de tareas de alta prioridad y la satisfacción de los trabajadores con sus asignaciones. El análisis, realizado mediante la simulación clásica en 105 instancias de JRP, indica un resultado prometedor, con razones de aproximación notablemente altas que oscilan principalmente entre 0, 86 y 0, 97. Esto contribuye a tener un incremento medio del 12% en la productividad organizacional, al mejorar la asignación de tareas de alta prioridad y la satisfacción de los trabajadores con sus asignaciones.
In the past decade, there has been significant progress in the development of NISQ (Noisy Intermediate-Scale Quantum) computers, though further hardware improvements are necessary for large-scale quantum algorithms to execute without errors. In the meantime, researchers continue to focus on developing effective algorithms for current hardware, with an emphasis on near-term applications like combinatorial optimisation. This study presents a benchmarking analysis of theQuantum Approximate Optimisation Algorithm (QAOA) applied to the Job Reassignment Problem (JRP), which involves assigning n workers to m vacant jobs to maximize high-priority task completion and worker satisfaction. The benchmarking, performed with classical simulation on 105 JRP instances, shows promising results with approximation ratios ranging from 0.86 to 0.97. This leads to an average improvement of 12% in the organisational productivity thanks to a better assignment of highprioritytasks and worker satisfaction.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
reasignación de puestos de trabajo
QAOA
aplicación al mundo real
NISQ
benchmarking
job reassignment problem
real-world application
benchmarking
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/190655

id SEDICI_0d35a0adf9d9d8179d9343760a4f4376
oai_identifier_str oai:sedici.unlp.edu.ar:10915/190655
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Benchmarking QAOA on the job reassignment problem: An empirical analysisImplementación de QAOA en el problema de reasignación de puestos de trabajo: un análisis empíricoLusso, AdrianoGimenez, Christian NelsonMata Ali, AlejandroCiencias Informáticasreasignación de puestos de trabajoQAOAaplicación al mundo realNISQbenchmarkingjob reassignment problemreal-world applicationbenchmarkingEn la última década, se ha logrado un progreso significativo en el desarrollo de computadoras NISQ (Noisy Intermediate-Scale Quantum), aunque se requieren mejoras en el hardware para que los algoritmos cuánticos a gran escala se ejecuten sin errores. Mientras tanto, los investigadores continúan enfocándose en el desarrollo de algoritmos efectivos para el hardware actual, con énfasis en aplicaciones a corto plazo como la optimización combinatoria. Este estudio presenta un análisis comparativo del Algoritmo Cuántico de Optimización Aproximada (QAOA) aplicado al problema de Reasignación de Puestos de Trabajo (JRP), que consiste en asignar n trabajadores a m trabajos vacantes para maximizar la realización de tareas de alta prioridad y la satisfacción de los trabajadores con sus asignaciones. El análisis, realizado mediante la simulación clásica en 105 instancias de JRP, indica un resultado prometedor, con razones de aproximación notablemente altas que oscilan principalmente entre 0, 86 y 0, 97. Esto contribuye a tener un incremento medio del 12% en la productividad organizacional, al mejorar la asignación de tareas de alta prioridad y la satisfacción de los trabajadores con sus asignaciones.In the past decade, there has been significant progress in the development of NISQ (Noisy Intermediate-Scale Quantum) computers, though further hardware improvements are necessary for large-scale quantum algorithms to execute without errors. In the meantime, researchers continue to focus on developing effective algorithms for current hardware, with an emphasis on near-term applications like combinatorial optimisation. This study presents a benchmarking analysis of theQuantum Approximate Optimisation Algorithm (QAOA) applied to the Job Reassignment Problem (JRP), which involves assigning n workers to m vacant jobs to maximize high-priority task completion and worker satisfaction. The benchmarking, performed with classical simulation on 105 JRP instances, shows promising results with approximation ratios ranging from 0.86 to 0.97. This leads to an average improvement of 12% in the organisational productivity thanks to a better assignment of highprioritytasks and worker satisfaction.Sociedad Argentina de Informática e Investigación Operativa2025-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf28-44http://sedici.unlp.edu.ar/handle/10915/190655enginfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19789info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:15:13Zoai:sedici.unlp.edu.ar:10915/190655Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:15:14.103SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Benchmarking QAOA on the job reassignment problem: An empirical analysis
Implementación de QAOA en el problema de reasignación de puestos de trabajo: un análisis empírico
title Benchmarking QAOA on the job reassignment problem: An empirical analysis
spellingShingle Benchmarking QAOA on the job reassignment problem: An empirical analysis
Lusso, Adriano
Ciencias Informáticas
reasignación de puestos de trabajo
QAOA
aplicación al mundo real
NISQ
benchmarking
job reassignment problem
real-world application
benchmarking
title_short Benchmarking QAOA on the job reassignment problem: An empirical analysis
title_full Benchmarking QAOA on the job reassignment problem: An empirical analysis
title_fullStr Benchmarking QAOA on the job reassignment problem: An empirical analysis
title_full_unstemmed Benchmarking QAOA on the job reassignment problem: An empirical analysis
title_sort Benchmarking QAOA on the job reassignment problem: An empirical analysis
dc.creator.none.fl_str_mv Lusso, Adriano
Gimenez, Christian Nelson
Mata Ali, Alejandro
author Lusso, Adriano
author_facet Lusso, Adriano
Gimenez, Christian Nelson
Mata Ali, Alejandro
author_role author
author2 Gimenez, Christian Nelson
Mata Ali, Alejandro
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
reasignación de puestos de trabajo
QAOA
aplicación al mundo real
NISQ
benchmarking
job reassignment problem
real-world application
benchmarking
topic Ciencias Informáticas
reasignación de puestos de trabajo
QAOA
aplicación al mundo real
NISQ
benchmarking
job reassignment problem
real-world application
benchmarking
dc.description.none.fl_txt_mv En la última década, se ha logrado un progreso significativo en el desarrollo de computadoras NISQ (Noisy Intermediate-Scale Quantum), aunque se requieren mejoras en el hardware para que los algoritmos cuánticos a gran escala se ejecuten sin errores. Mientras tanto, los investigadores continúan enfocándose en el desarrollo de algoritmos efectivos para el hardware actual, con énfasis en aplicaciones a corto plazo como la optimización combinatoria. Este estudio presenta un análisis comparativo del Algoritmo Cuántico de Optimización Aproximada (QAOA) aplicado al problema de Reasignación de Puestos de Trabajo (JRP), que consiste en asignar n trabajadores a m trabajos vacantes para maximizar la realización de tareas de alta prioridad y la satisfacción de los trabajadores con sus asignaciones. El análisis, realizado mediante la simulación clásica en 105 instancias de JRP, indica un resultado prometedor, con razones de aproximación notablemente altas que oscilan principalmente entre 0, 86 y 0, 97. Esto contribuye a tener un incremento medio del 12% en la productividad organizacional, al mejorar la asignación de tareas de alta prioridad y la satisfacción de los trabajadores con sus asignaciones.
In the past decade, there has been significant progress in the development of NISQ (Noisy Intermediate-Scale Quantum) computers, though further hardware improvements are necessary for large-scale quantum algorithms to execute without errors. In the meantime, researchers continue to focus on developing effective algorithms for current hardware, with an emphasis on near-term applications like combinatorial optimisation. This study presents a benchmarking analysis of theQuantum Approximate Optimisation Algorithm (QAOA) applied to the Job Reassignment Problem (JRP), which involves assigning n workers to m vacant jobs to maximize high-priority task completion and worker satisfaction. The benchmarking, performed with classical simulation on 105 JRP instances, shows promising results with approximation ratios ranging from 0.86 to 0.97. This leads to an average improvement of 12% in the organisational productivity thanks to a better assignment of highprioritytasks and worker satisfaction.
Sociedad Argentina de Informática e Investigación Operativa
description En la última década, se ha logrado un progreso significativo en el desarrollo de computadoras NISQ (Noisy Intermediate-Scale Quantum), aunque se requieren mejoras en el hardware para que los algoritmos cuánticos a gran escala se ejecuten sin errores. Mientras tanto, los investigadores continúan enfocándose en el desarrollo de algoritmos efectivos para el hardware actual, con énfasis en aplicaciones a corto plazo como la optimización combinatoria. Este estudio presenta un análisis comparativo del Algoritmo Cuántico de Optimización Aproximada (QAOA) aplicado al problema de Reasignación de Puestos de Trabajo (JRP), que consiste en asignar n trabajadores a m trabajos vacantes para maximizar la realización de tareas de alta prioridad y la satisfacción de los trabajadores con sus asignaciones. El análisis, realizado mediante la simulación clásica en 105 instancias de JRP, indica un resultado prometedor, con razones de aproximación notablemente altas que oscilan principalmente entre 0, 86 y 0, 97. Esto contribuye a tener un incremento medio del 12% en la productividad organizacional, al mejorar la asignación de tareas de alta prioridad y la satisfacción de los trabajadores con sus asignaciones.
publishDate 2025
dc.date.none.fl_str_mv 2025-08
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/190655
url http://sedici.unlp.edu.ar/handle/10915/190655
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19789
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
28-44
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982580370472960
score 13.334379