論文の概要: Towards Integrated Traffic Control with Operating Decentralized
Autonomous Organization
- arxiv url: http://arxiv.org/abs/2308.03769v1
- Date: Tue, 25 Jul 2023 08:22:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 00:41:03.255919
- Title: Towards Integrated Traffic Control with Operating Decentralized
Autonomous Organization
- Title（参考訳）: 分散型組織運用による統合交通制御に向けて
- Authors: Shengyue Yao, Jingru Yu, Yi Yu, Jia Xu, Xingyuan Dai, Honghai Li,
Fei-Yue Wang, Yilun Lin
- Abstract要約: 分散自治機構(DAO)の枠組みに基づく統合制御手法を提案する。
提案手法は, エネルギー消費効率(ECE)に関する世界的コンセンサスを達成し, コンセンサスとインセンティブ機構を通じて, 全知的エージェントの局所的な目的を最適化する。
- 参考スコア（独自算出の注目度）: 21.34190936421136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With a growing complexity of the intelligent traffic system (ITS), an
integrated control of ITS that is capable of considering plentiful
heterogeneous intelligent agents is desired. However, existing control methods
based on the centralized or the decentralized scheme have not presented their
competencies in considering the optimality and the scalability simultaneously.
To address this issue, we propose an integrated control method based on the
framework of Decentralized Autonomous Organization (DAO). The proposed method
achieves a global consensus on energy consumption efficiency (ECE), meanwhile
to optimize the local objectives of all involved intelligent agents, through a
consensus and incentive mechanism. Furthermore, an operation algorithm is
proposed regarding the issue of structural rigidity in DAO. Specifically, the
proposed operation approach identifies critical agents to execute the smart
contract in DAO, which ultimately extends the capability of DAO-based control.
In addition, a numerical experiment is designed to examine the performance of
the proposed method. The experiment results indicate that the controlled agents
can achieve a consensus faster on the global objective with improved local
objectives by the proposed method, compare to existing decentralized control
methods. In general, the proposed method shows a great potential in developing
an integrated control system in the ITS
- Abstract（参考訳）: 知的交通システム(ITS)の複雑化に伴い,多種多様な知的エージェントを考慮したITSの統合制御が望まれる。
しかし,集中型あるいは分散型スキームに基づく既存の制御手法では,最適性とスケーラビリティを同時に考慮する能力は示されていない。
この問題に対処するために,分散自律組織(dao)の枠組みに基づく統合制御手法を提案する。
提案手法は, エネルギー消費効率(ECE)に関する世界的コンセンサスを達成し, コンセンサスとインセンティブ機構を通じて, 全知的エージェントの局所的な目的を最適化する。
さらに,DAOの構造剛性問題に関して,演算アルゴリズムを提案する。
具体的には、DAOにおけるスマートコントラクトを実行するクリティカルエージェントを特定し、最終的にDAOベースの制御能力を拡張する。
さらに,提案手法の性能を検討するために,数値実験を設計した。
実験の結果, 既存の分散制御法と比較して, 提案手法による局所目標の改善により, 制御エージェントはグローバル目標のコンセンサスをより早く達成できることが示唆された。
一般に,提案手法はITSにおける統合制御システムの開発において大きな可能性を示す。
関連論文リスト
- HUWSOD: Holistic Self-training for Unified Weakly Supervised Object Detection [66.42229859018775]
我々は,HUWSOD(HuWSOD)と呼ばれる,統一・高容量弱教師付きオブジェクト検出(WSOD)ネットワークを導入する。
HUWSODには、自己管理された提案生成器と、従来のオブジェクト提案を置き換えるために、マルチレートで再構成されたピラミッドを備えたオートエンコーダ提案生成器が組み込まれている。
提案手法は,よく設計されたオフラインオブジェクト提案と大きく異なるが,WSOD訓練には有効であることを示す。
論文 参考訳（メタデータ） (2024-06-27T17:59:49Z) - Decentralized Stochastic Subgradient Methods for Nonsmooth Nonconvex Optimization [10.278310909980576]
本稿では,ニューラルネットワークに対する分散的下位段階学習のためのフレームワークを提案する。
提案するフレームワークは,ニューラルネットワークをトレーニング時間に含めることを保証している。
論文 参考訳（メタデータ） (2024-03-18T08:35:17Z) - Imitation Learning based Alternative Multi-Agent Proximal Policy
Optimization for Well-Formed Swarm-Oriented Pursuit Avoidance [15.498559530889839]
本稿では,分散学習に基づく代替的マルチエージェント・プロキシ・ポリシー最適化(IA-MAPPO)アルゴリズムを提案する。
擬似学習を利用して生成コントローラを分散化し,通信オーバーヘッドを低減し,スケーラビリティを向上させる。
シミュレーションの結果,IA-MAPPOの有効性が検証され,広範囲なアブレーション実験により,通信オーバーヘッドが著しく減少する集中型解に匹敵する性能が示された。
論文 参考訳（メタデータ） (2023-11-06T06:58:16Z) - Multi-Agent Reinforcement Learning-Based UAV Pathfinding for Obstacle Avoidance in Stochastic Environment [12.122881147337505]
マルチエージェント強化学習に基づく分散実行手法を用いた新しい集中型学習法を提案する。
このアプローチでは、エージェントは集中型プランナーとのみ通信し、オンラインで分散的な決定を行う。
訓練効率を高めるため,多段階強化学習において多段階値収束を行う。
論文 参考訳（メタデータ） (2023-10-25T14:21:22Z) - Decentralized Multi-agent Reinforcement Learning based State-of-Charge
Balancing Strategy for Distributed Energy Storage System [30.137522138745986]
本稿では分散エネルギー貯蔵システム(DESS)におけるSoCバランス問題を解決するために分散マルチエージェント強化学習法(Dec-MARL)を提案する。
上記の手順により、Dec-MARLは、専門家の経験や複雑なモデルの構築なしに、完全に分散化されたシステムにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2023-08-29T15:48:49Z) - Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。
データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
論文 参考訳（メタデータ） (2022-05-08T14:38:23Z) - Cooperative multi-agent reinforcement learning for high-dimensional
nonequilibrium control [5.787117733071415]
自己組立のための外部制御プロトコルを設計するために,マルチエージェント強化学習手法をどのように利用できるかを検討する。
外部制御の"粗い"レベルであっても、完全に分散されたアプローチが驚くほどうまく機能することがわかった。
論文 参考訳（メタデータ） (2021-11-12T18:54:02Z) - Emergence of Theory of Mind Collaboration in Multiagent Systems [65.97255691640561]
ToMとエージェント間の効果的な協調を開発するための適応的学習アルゴリズムを提案する。
アルゴリズムはToMをモデル化せずに従来の分散実行アルゴリズムを全て上回る2つのゲームで評価する。
論文 参考訳（メタデータ） (2021-09-30T23:28:00Z) - Adaptive Stochastic ADMM for Decentralized Reinforcement Learning in
Edge Industrial IoT [106.83952081124195]
強化学習 (Reinforcement Learning, RL) は, 意思決定および最適制御プロセスのための有望な解法として広く研究されている。
本稿では,Adaptive ADMM (asI-ADMM)アルゴリズムを提案する。
実験の結果,提案アルゴリズムは通信コストやスケーラビリティの観点から技術状況よりも優れており,複雑なIoT環境に適応できることがわかった。
論文 参考訳（メタデータ） (2021-06-30T16:49:07Z) - F2A2: Flexible Fully-decentralized Approximate Actor-critic for
Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。
本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。
当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
論文 参考訳（メタデータ） (2020-04-17T14:56:29Z) - Decentralized MCTS via Learned Teammate Models [89.24858306636816]
本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。
深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
論文 参考訳（メタデータ） (2020-03-19T13:10:20Z)
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。