論文の概要: Hybrid Genetic Algorithm for Optimal User Order Routing: Multi-Objective Solver Optimization in CoW Protocol Batch Auctions
- arxiv url: http://arxiv.org/abs/2510.21647v1
- Date: Fri, 24 Oct 2025 17:05:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 09:00:15.549641
- Title: Hybrid Genetic Algorithm for Optimal User Order Routing: Multi-Objective Solver Optimization in CoW Protocol Batch Auctions
- Title（参考訳）: 最適ユーザ順序ルーティングのためのハイブリッド遺伝的アルゴリズム:CoWプロトコルバッチオークションにおける多目的ソルバー最適化
- Authors: Mitchell Marfinetz,
- Abstract要約: CoW Protocolのバッチオークションは、ユーザの意図を集約し、ユーザの余剰量を最大化する最適な実行パスを見つけるために頼ります。
本稿では,実運用段階の多目的NSGA-IIエンジンと適応型インスタンスプロファイリングと決定論的ベースラインを組み合わせた実時間問題解決のためのハイブリッド遺伝的アルゴリズムを提案する。
14層式(それぞれ30種)のベンチマークでは、このハイブリッドアプローチは、小口径のオーダーで0.40-9.82 ETHという絶対的なユーザ余剰ゲインが得られる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: CoW Protocol batch auctions aggregate user intents and rely on solvers to find optimal execution paths that maximize user surplus across heterogeneous automated market makers (AMMs) under stringent auction deadlines. Deterministic single-objective heuristics that optimize only expected output frequently fail to exploit split-flow opportunities across multiple parallel paths and to internalize gas, slippage, and execution risk constraints in a unified search. We apply evolutionary multi-objective optimization to this blockchain routing problem, proposing a hybrid genetic algorithm (GA) architecture for real-time solver optimization that combines a production-grade, multi-objective NSGA-II engine with adaptive instance profiling and deterministic baselines. Our core engine encodes variable-length path sets with continuous split ratios and evolves candidate route-and-volume allocations under a Pareto objective vector F = (user surplus, -gas, -slippage, -risk), enabling principled trade-offs and anytime operation within the auction deadline. An adaptive controller selects between GA and a deterministic dual-decomposition optimizer with Bellman-Ford based negative-cycle detection, with a guarantee to never underperform the baseline. The open-source system integrates six protection layers and passes 8/8 tests, validating safety and correctness. In a 14-stratum benchmark (30 seeds each), the hybrid approach yields absolute user-surplus gains of approximately 0.40-9.82 ETH on small-to-medium orders, while large high-fragmentation orders are unprofitable across gas regimes. Convergence occurs in about 0.5 s median (soft capped at 1.0 s) within a 2-second limit. We are not aware of an openly documented multi-objective GA with end-to-end safety for real-time DEX routing.
- Abstract（参考訳）: CoW Protocolのバッチオークションは、ユーザの意図を集約し、解決者に依存して、不均一な自動市場メーカ(AMM)間のユーザの余剰量を最大化する最適な実行パスを見つける。
予測出力のみを最適化する決定論的単目的ヒューリスティックは、複数の並列経路にまたがるスプリットフローの機会を利用して、統一された探索においてガス、滑り込み、実行リスク制約を内部化するのに失敗する。
本稿では,このブロックチェーンルーティング問題に進化的多目的最適化を適用し,実運用グレードの多目的NSGA-IIエンジンと適応型インスタンスプロファイリングと決定論的ベースラインを組み合わせた,リアルタイムソルバ最適化のためのハイブリッド遺伝的アルゴリズム(GA)アーキテクチャを提案する。
我々のコアエンジンは、連続的な分割比で可変長経路集合を符号化し、パレート目標ベクトル F = (ユーザ余剰、-gas、-slippage、-risk) の下で候補経路と体積の割り当てを進化させ、原則化されたトレードオフとオークション期限内での操作を可能にする。
適応制御器は、ベースラインを過小評価しないことを保証するとともに、ベルマンフォードに基づく負サイクル検出によるGAと決定論的二重分解オプティマイザの選択を行う。
オープンソースのシステムは6つの保護層を統合し、8/8のテストに合格し、安全性と正確性を検証する。
14層式(それぞれ30種)のベンチマークでは、このハイブリッドアプローチは、小口径のオーダーで0.40-9.82 ETHの絶対的な過剰なゲインを得られる。
収束は約0.5 s(ソフトキャップは1.0 s)で2秒以内で起こる。
我々は、リアルタイムDEXルーティングのためのエンドツーエンドの安全性を備えた、オープンな文書化された多目的GAを知らない。
関連論文リスト
- Provably Optimal Quantum Circuits with Mixed-Integer Programming [0.0]
量子回路コンパイルのための奥行き対応最適化フレームワークを提案する。
対象ユニタリの正確な合成のために、線形大域的同値性を持つ混合整数線形プログラム(MILP)を定式化する。
正確なMILPを超越したスケーリングを実現するために,本研究では,主に時間とともに回転し,アクティブキュービットをカプセル化し,キュービット当たりのクロージャを強制する,新しい圧延回路最適化(RHO)を提案する。
論文 参考訳（メタデータ） (2025-10-01T08:25:43Z) - Parametrized Multi-Agent Routing via Deep Attention Models [1.0377683220196872]
パラメタライズドシーケンシャル意思決定のためのスケーラブルなディープラーニングフレームワーク(ParaSDM)を提案する。
この設定の重要なサブクラスは、複数のエージェントシステムが最適なルートと位置を同時に決定する必要がある施設と場所(FLPO)である。
これを解決するために、最大エントロピー原理(MEP)と、最短経路ネットワーク(SPN)と呼ばれるニューラルポリシーモデルを統合する。
論文 参考訳（メタデータ） (2025-07-30T02:46:45Z) - Generalized Linear Bandits: Almost Optimal Regret with One-Pass Update [60.414548453838506]
非線形リンク関数を組み込んで古典線形モデルを拡張したコンテキスト型多武装バンディットフレームワークである一般化線形バンディット問題(GLB)について検討する。
GLBは現実世界のシナリオに広く適用できるが、その非線形性は計算効率と統計効率の両方を達成する上で大きな課題をもたらす。
本稿では,$mathcalO(1)$時間と1ラウンドあたりの空間複雑度をほぼ最適に再現するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-07-16T02:24:21Z) - Collab: Controlled Decoding using Mixture of Agents for LLM Alignment [90.6117569025754]
人間のフィードバックからの強化学習は、大規模言語モデルを整合させる効果的な手法として現れてきた。
制御された復号化は、再訓練せずに推論時にモデルを整列するメカニズムを提供する。
本稿では,既存の既成のLCMポリシを活用するエージェントベースのデコーディング戦略の混合を提案する。
論文 参考訳（メタデータ） (2025-03-27T17:34:25Z) - Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。
また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。
我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
論文 参考訳（メタデータ） (2025-02-07T15:57:56Z) - Decentralized Multi-Task Online Convex Optimization Under Random Link
Failures [5.513958040574729]
我々は不均一な確率を持つランダムリンク障害に対する頑健な分散型サドルポイントアルゴリズムを開発した。
我々はアルゴリズムと分析を2点の帯域フィードバックシナリオに拡張する。
論文 参考訳（メタデータ） (2024-01-04T00:57:33Z) - Best of Both Worlds Guarantees for Smoothed Online Quadratic Optimization [9.449153668916098]
各ラウンド$t$において、プレイヤーが2次的打撃コストと2次攻撃コストに応じてアクション$x_tをプレイし、アクションを切り替えるための2乗$ell$-normコストを加算する、スムーズなオンライン最適化(SOQO)問題について検討する。
この問題クラスは、スマートグリッド管理、適応制御、データセンター管理など、幅広いアプリケーションドメインと強いつながりを持っています。
本稿では, 最適に近い性能を同時に達成しつつ, 強健な対角性能を得るベスト・オブ・ザ・ワールドス・アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-31T22:59:23Z) - Tuning Particle Accelerators with Safety Constraints using Bayesian
Optimization [73.94660141019764]
粒子加速器の機械パラメータのチューニングは反復的で時間を要する作業である。
我々は、安全なベイズ最適化のステップサイズ制限版を提案し、評価する。
論文 参考訳（メタデータ） (2022-03-26T02:21:03Z) - Boosted Genetic Algorithm using Machine Learning for traffic control
optimization [4.642759477873937]
本稿では,信号化都市交差点における交通信号タイミングの最適化手法を提案する。
高速かつ信頼性の高い決定を生成することを目的として、高速実行機械学習(ML)アルゴリズムと信頼できる遺伝的アルゴリズム(GA)を組み合わせる。
新たなBGA-MLは,元のGAアルゴリズムよりもはるかに高速であり,非リカレントインシデント条件下でうまく適用可能であることを示す。
論文 参考訳（メタデータ） (2021-03-11T00:39:18Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z)
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。