論文の概要: Planning Spatial Networks

• arxiv url: http://arxiv.org/abs/2106.06768v1
• Date: Sat, 12 Jun 2021 13:01:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 16:10:00.443219
• Title: Planning Spatial Networks
• Title（参考訳）: 空間ネットワークの計画
• Authors: Victor-Alexandru Darvariu, Stephen Hailes, Mirco Musolesi
• Abstract要約: 目標指向グラフ構築の問題に対処する。 開始グラフ、大域的目的関数、修正予算が与えられた場合、グラフに追加することで目的を最大に改善するエッジの集合を見つけることが目的である。 この問題は、交通や重要なインフラネットワークといった社会にとって非常に重要なネットワークに出現する。
• 参考スコア（独自算出の注目度）: 4.499055111059408
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We tackle the problem of goal-directed graph construction: given a starting graph, a global objective function (e.g., communication efficiency), and a budget of modifications, the aim is to find a set of edges whose addition to the graph maximally improves the objective. This problem emerges in many networks of great importance for society such as transportation and critical infrastructure networks. We identify two significant shortcomings with present methods. Firstly, they focus exclusively on network topology while ignoring spatial information; however, in many real-world networks, nodes are embedded in space, which yields different global objectives and governs the range and density of realizable connections. Secondly, existing RL methods scale poorly to large networks due to the high cost of training a model and the scaling factors of the action space and global objectives. In this work, we formulate the problem of goal-directed construction of spatial networks as a deterministic MDP. We adopt the Monte Carlo Tree Search framework for planning in this domain, prioritizing the optimality of final solutions over the speed of policy evaluation. We propose several improvements over the standard UCT algorithm for this family of problems, addressing their single-agent nature, the trade-off between the costs of edges and their contribution to the objective, and an action space linear in the number of nodes. We demonstrate the suitability of this approach for improving the global efficiency and attack resilience of a variety of synthetic and real-world networks, including Internet backbone networks and metro systems. We obtain 24% better solutions on average compared to UCT on the largest networks tested, and scalability superior to previous methods.
• Abstract（参考訳）: 目標指向グラフ構築の問題に対処する: 開始グラフ、大域的目的関数(通信効率など)、修正予算が与えられた場合、グラフに追加することで目的を最大に改善するエッジの集合を見つけることを目的とする。 この問題は、交通や重要なインフラネットワークといった社会にとって非常に重要な多くのネットワークに現れる。 本手法では2つの重大な欠点を同定する。 まず、空間情報を無視しながら、ネットワークトポロジにのみフォーカスするが、多くの現実世界のネットワークでは、ノードは空間に埋め込まれ、異なるグローバルな目的を導き、実現可能な接続の範囲と密度を管理する。 第二に、既存のRL手法は、モデルのトレーニングに高いコストと、アクション空間のスケーリング要因とグローバルな目的のために、大規模ネットワークに対して低スケールである。 本研究では,決定論的 MDP として空間ネットワークの目的指向構築の問題を定式化する。 我々は、政策評価の速度よりも最終解の最適性を優先して、この領域の計画にモンテカルロ木探索フレームワークを採用する。 本稿では,本問題に対する標準の uct アルゴリズムに対するいくつかの改良を提案し,その単一エージェント性,エッジのコストと目的への貢献のトレードオフ,ノード数に線形なアクション空間について述べる。 提案手法は,インターネットバックボーンネットワークやメトロシステムを含む,多種多様な合成および実世界のネットワークのグローバル効率向上と攻撃レジリエンス向上に有効であることを示す。 テスト対象の最大ネットワークにおけるUTTに比べて平均24%優れた解が得られ,従来手法よりもスケーラビリティが向上した。

関連論文リスト

• Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
  ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。 この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。 この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
  論文  参考訳（メタデータ） (2024-09-29T23:57:25Z)
• Network Interdiction Goes Neural [26.308933674471895]
  ネットワーク断面積問題は、2人のプレイヤーが関与する最適化問題である。 1つは、ネットワーク上の最適化問題を解決することを目的としており、もう1つは、最初のプレイヤーの目的を阻止するためにネットワークを変更することを目的としている。
  論文  参考訳（メタデータ） (2024-05-26T02:34:26Z)
• Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
  マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。 マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。 提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-10-06T02:35:35Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• Neighbor Auto-Grouping Graph Neural Networks for Handover Parameter Configuration in Cellular Network [47.29123145759976]
  ハンドオーバパラメータ設定のための学習ベースのフレームワークを提案する。 まず、ネットワークが異なるネットワーク状態とパラメータ値にどのように反応するかを模倣する新しいアプローチを提案する。 パラメータ設定の段階では、グローバルな最適化問題を解決する代わりに、局所的な多目的最適化戦略を設計する。
  論文  参考訳（メタデータ） (2022-12-29T18:51:36Z)
• DDCNet: Deep Dilated Convolutional Neural Network for Dense Prediction [0.0]
  受容場(ERF)とネットワーク内の空間的特徴の高分解能は、高分解能密度推定を提供することに不可欠である。 空間的特徴の解像度を高く保ちながら、より大きな受容場を提供できるネットワークアーキテクチャを設計するための体系的なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-09T23:15:34Z)
• On Topology Optimization and Routing in Integrated Access and Backhaul Networks: A Genetic Algorithm-based Approach [70.85399600288737]
  IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。 我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。 メッシュベースのIABネットワークを実現する上での課題について論じる。
  論文  参考訳（メタデータ） (2021-02-14T21:52:05Z)
• PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection [57.49788100647103]
  LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。 現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。 本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
  論文  参考訳（メタデータ） (2020-12-18T18:06:43Z)
• Proximity-based Networking: Small world overlays optimized with particle swarm optimization [0.0]
  小規模世界のネットワークは、インターネットネットワーク内の情報の拡散とルックアップにおいて、信じられないほど有用である。 本稿では,各ノードの分割鍵空間内のピアの配置に,コード内の地理的位置を組み込んだネットワーク方式を提案する。 提案手法の柔軟性により,様々なSwarmモデルとエージェントが利用可能となる。
  論文  参考訳（メタデータ） (2020-06-03T01:40:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。