論文の概要: Optimal Transport-Based Decentralized Multi-Agent Distribution Matching
- arxiv url: http://arxiv.org/abs/2601.00548v2
- Date: Mon, 23 Feb 2026 22:01:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.601944
- Title: Optimal Transport-Based Decentralized Multi-Agent Distribution Matching
- Title（参考訳）: 最適輸送に基づく分散マルチエージェント分散マッチング
- Authors: Kooktae Lee,
- Abstract要約: マルチエージェントシステムにおける分散化フレームワーク
最適輸送(ワッサーシュタイン距離)を用いた問題定式化
システムは分散的に完全に動作する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a decentralized control framework for distribution matching in multi-agent systems (MAS), where agents collectively achieve a prescribed terminal spatial distribution. The problem is formulated using optimal transport (Wasserstein distance), which provides a principled measure of distributional discrepancy and serves as the basis for the control design. To avoid solving the global optimal transport problem directly, the distribution-matching objective is reformulated into a tractable per-agent decision process, enabling each agent to identify its desired terminal locations using only locally available information. A sequential weight-update rule is introduced to construct feasible local transport plans, and a memory-based correction mechanism is incorporated to maintain reliable operation under intermittent and range-limited communication. Convergence guarantees are established, showing cycle-wise improvement of a surrogate transport cost under both linear and nonlinear agent dynamics. Simulation results demonstrate that the proposed framework achieves effective and scalable distribution matching while operating fully in a decentralized manner.
- Abstract（参考訳）: 本稿では,エージェントが所定の終端空間分布を総合的に達成するマルチエージェントシステム(MAS)における分布マッチングのための分散制御フレームワークを提案する。
この問題は最適輸送(ワッサーシュタイン距離)を用いて定式化され、分散の相違を原理的に測定し、制御設計の基礎となる。
グローバル最適輸送問題を直接解決するのを避けるため、分散マッチング目的をトラクタブル・パー・エージェント決定プロセスに再構成し、各エージェントが、ローカルに利用可能な情報のみを用いて、所望の端末位置を識別できるようにする。
実現可能なローカルトランスポートプランを構築するために、シーケンシャルな重み更新ルールを導入し、間欠的かつ範囲限定的な通信の下で信頼性の高い操作を維持するために、メモリベースの補正機構を組み込んだ。
収束保証が確立され、線形および非線形エージェントのダイナミックスの下で代理輸送コストが周期的に改善された。
シミュレーションにより,本フレームワークは分散的に完全に動作しながら,効果的かつスケーラブルな分散マッチングを実現することを示す。
関連論文リスト
- Event-Triggered Gossip for Distributed Learning [61.70659996356528]
我々は,ノード間通信を減らすために,分散学習のためのイベントトリガー型ゴシップフレームワークを開発した。
従来のフルテキスト・オブ・ザ・アート分散学習法と比較して,bf71.61%を限界性能損失のみで分析する。
論文 参考訳（メタデータ） (2026-02-22T10:13:43Z) - Local adapt-then-combine algorithms for distributed nonsmooth optimization: Achieving provable communication acceleration [50.67878993903822]
通信効率のよいAdapt-Then-Combine (ATC) フレームワークであるFlexATCを提案する。
ローカル更新がATCベースの分散アルゴリズムの通信高速化につながることを示すのはこれが初めてである。
論文 参考訳（メタデータ） (2026-02-18T02:47:05Z) - AI-Augmented Density-Driven Optimal Control (D2OC) for Decentralized Environmental Mapping [0.0]
本稿では,センサと通信の制限下でのマルチエージェント環境マッピングのためのAI拡張型分散フレームワークを提案する。
提案手法では, エージェントが局所密度推定を反復的に洗練できる適応的, 自己補正機構を提案する。
論文 参考訳（メタデータ） (2026-01-28T23:55:02Z) - Designing Ambiguity Sets for Distributionally Robust Optimization Using Structural Causal Optimal Transport [21.387312729118364]
本稿では,因果グラフ情報を含む構造方程式を取り入れ,あいまいさの集合を強化することを提案する。
本研究では, 最適輸送問題における次元性の呪いを克服し, 無秩序で高速な縮小を実現する方法を示す。
論文 参考訳（メタデータ） (2025-10-01T07:26:47Z) - Distributed Policy Gradient for Linear Quadratic Networked Control with
Limited Communication Range [23.500806437272487]
局所的な情報のみを用いて正確な勾配を近似できることを示す。
集中型最適制御器と比較して、通信と制御範囲が増加するにつれて性能ギャップは指数関数的に減少する。
論文 参考訳（メタデータ） (2024-03-05T15:38:54Z) - Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳（メタデータ） (2024-01-29T02:08:40Z) - Generalized Schrödinger Bridge Matching [54.171931505066]
一般化Schr"odinger Bridge (GSB) 問題設定は、機械学習の内外を問わず、多くの科学領域で一般的である。
我々は最近の進歩に触発された新しいマッチングアルゴリズムである一般化シュリンガーブリッジマッチング(GSBM)を提案する。
このような一般化は条件最適制御の解法として、変分近似を用いることができることを示す。
論文 参考訳（メタデータ） (2023-10-03T17:42:11Z) - Decentralized Entropic Optimal Transport for Distributed Distribution Comparison [28.122302344024387]
本稿では,通信効率とプライバシ保護を両立させる分散型エントロピー最適輸送(DEOT)手法を提案する。
特に,DOT距離を2倍に最適化するミニバッチランダム化ブロック座標降下法を設計する。
提案手法は,エントロピックなGromov-Wasserstein距離にも適用可能であることを示す。
論文 参考訳（メタデータ） (2023-01-28T02:47:42Z) - Multi-Agent MDP Homomorphic Networks [100.74260120972863]
協調型マルチエージェントシステムでは、エージェントの異なる構成とそれらの局所的な観察の間に複雑な対称性が生じる。
単エージェント強化学習における既存の対称性の研究は、完全に集中した環境にのみ一般化できる。
本稿では,ローカル情報のみを用いた分散実行が可能なネットワークのクラスであるマルチエージェントMDPホモモルフィックネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-09T07:46:25Z) - Global Distance-distributions Separation for Unsupervised Person
Re-identification [93.39253443415392]
既存の教師なしのReIDアプローチは、距離ベースのマッチング/ランク付けを通じて正のサンプルと負のサンプルを正しく識別するのに失敗することが多い。
本研究では,2つの分布に対する大域的距離分布分離の制約を導入し,大域的視点から正と負のサンプルを明確に分離することを奨励する。
本研究では,本手法がベースラインを大幅に改善し,最先端の性能を実現することを示す。
論文 参考訳（メタデータ） (2020-06-01T07:05:39Z)
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。