論文の概要: Multi-Agent Training-free Urban Food Delivery System using Resilient UMST Network

• arxiv url: http://arxiv.org/abs/2604.03280v1
• Date: Tue, 24 Mar 2026 13:40:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.585213
• Title: Multi-Agent Training-free Urban Food Delivery System using Resilient UMST Network
• Title（参考訳）: 弾力性UMSTネットワークを用いたマルチエージェントトレーニングフリー都市食品配送システム
• Authors: Md Nahid Hasan, Vishwam Tiwari, Aditya Challa, Vaskar Raychoudhury, Snehanshu Saha,
• Abstract要約: 配達システムは都市生活の中核となり、食料、医薬品、その他の商品の需要を支えている。 伝統的な物流網は脆弱であり、道路閉鎖や事故、需要の変化に適応するのに苦労することが多い。 我々は,最小スパンニング木群 (UMST) のアプローチを提案する。
• 参考スコア（独自算出の注目度）: 3.488411416108438
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Delivery systems have become a core part of urban life, supporting the demand for food, medicine, and other goods. Yet traditional logistics networks remain fragile, often struggling to adapt to road closures, accidents, and shifting demand. Online Food Delivery (OFD) platforms now represent a cornerstone of urban logistics, with the global market projected to grow to over 500 billion USD by 2030. Designing delivery networks that are efficient and resilient remains a major challenge: fully connected graphs provide flexibility but are computationally infeasible at scale, while single Minimum Spanning Trees (MSTs) are efficient but easily disrupted. We propose the Union of Minimum Spanning Trees (UMST) approach to construct delivery networks that are sparse yet robust. UMST generates multiple MSTs through randomized edge perturbations and unites them, producing graphs with far fewer edges than fully connected networks while maintaining multiple alternative routes between delivery hotspots. Across multiple U.S. cities, UMST achieves 20--40$\times$ fewer edges than fully connected graphs while enabling substantial order bundling with 75--83% participation rates. Compared to learning-based baselines including MADDPG and Graph Neural Networks, UMST delivers competitive performance (88-96% success rates, 44-53% distance savings) without requiring training, achieving 30$\times$ faster execution while maintaining interpretable routing structures. Its combination of structural efficiency and operational flexibility offers a scalable and resilient foundation for urban delivery networks.
• Abstract（参考訳）: 配達システムは都市生活の中核となり、食料、医薬品、その他の商品の需要を支えている。 しかし、従来のロジスティクスネットワークは脆弱であり、道路閉鎖や事故、需要の変化に対応するのに苦労することが多い。 オンラインフードデリバリー(OFD)プラットフォームは現在、都市ロジスティクスの基盤となっている。 完全に連結されたグラフは柔軟性を提供するが、大規模では計算不可能であり、単一の最小スパンニングツリー(MST)は効率的だが容易に破壊される。 我々は,最小スパンニング木群 (UMST) のアプローチを提案する。 UMSTはランダム化されたエッジ摂動を通して複数のMSTを生成し、それらを結合し、完全なネットワークよりもエッジがはるかに少ないグラフを生成し、配信ホットスポット間の代替ルートを複数保持する。 米国内の複数の都市でUMSTは、完全連結グラフよりも20-40$\times$少ないエッジを実現し、75-83%の参加率で実質的なオーダーバンドルを実現している。 MADDPGやGraph Neural Networksといった学習ベースのベースラインと比較して、UMSTは、トレーニングを必要とせず、競合するパフォーマンス(88～96%の成功率、44～53%の距離セーブ)を提供し、解釈可能なルーティング構造を維持しながら、30$\times$高速実行を実現している。 構造的効率性と運用上の柔軟性の組み合わせは、都市デリバリネットワークのスケーラブルでレジリエントな基盤を提供する。

関連論文リスト

• Scalable Transit Delay Prediction at City Scale: A Systematic Approach with Multi-Resolution Feature Engineering and Deep Learning [1.065661841579261]
  既存の遅延予測システムは、手作りの機能に依存し、再利用可能なアーキテクチャを設計する方法についてはほとんどガイダンスを提供していない。 本稿では,マルチレゾリューション機能工学,次元減少,深層学習を組み合わせた都市規模の予測パイプラインを提案する。 クラスタ認識機能を備えたグローバルLSTMは、精度と効率の最良のトレードオフを実現し、トランスフォーマーモデルを1852%から52%向上させる。
  論文  参考訳（メタデータ） (2026-01-26T14:30:50Z)
• Learning to Design City-scale Transit Routes [4.0801703556134425]
  連続的なトランジットネットワーク構築のためのグラフアテンションネットワークに基づくエンドツーエンドの強化学習フレームワークを提案する。 我々はインディアナ州ブルーミントンで、地形的に正確な道路網、国勢調査由来の需要、既存の交通経路を持つ新しい実世界のデータセットについて、我々のアプローチを評価した。
  論文  参考訳（メタデータ） (2025-12-21T12:48:53Z)
• A Distributed Hierarchical Spatio-Temporal Edge-Enhanced Graph Neural Network for City-Scale Dynamic Logistics Routing [4.8267586387192445]
  都市規模のロジスティクスルーティングは、都市道路網が急速に数千万のエッジと交通条件に成長するにつれて、ますます困難になっている。 従来の集中型ルーティングアルゴリズムとモノリシックグラフニューラルネットワーク(GNN)モデルは、限られたスケーラビリティ、高いレイテンシ、低リアルタイム適応性に悩まされている。 本稿では,超大型道路網上での動的ルーティングのための分散階層設計を提案する。
  論文  参考訳（メタデータ） (2025-12-20T17:27:36Z)
• Distributed Link Sparsification for Scalable Scheduling Using Graph Neural Networks (Journal Version) [50.894272363373126]
  密接な接続を特徴とする無線ネットワークでは、分散リンクスケジューリングアルゴリズムによって発生する重要な信号のオーバーヘッドは、混雑、エネルギー消費、無線フットプリント拡張といった問題を悪化させる可能性がある。 ネットワーク容量を維持しながら遅延耐性トラフィックのスケジューリングオーバーヘッドを低減するために,グラフニューラルネットワーク(GNN)を用いた分散リンクスカラー化方式を提案する。 GNNモジュールは、トラフィック統計とネットワークトポロジに基づいて、個々のリンクに対する競合しきい値を調整するように訓練されており、成功しそうもない場合には、リンクがスケジュール競合から撤退することを可能にする。
  論文  参考訳（メタデータ） (2025-09-05T18:59:14Z)
• DOVA-PATBM: An Intelligent, Adaptive, and Scalable Framework for Optimizing Large-Scale EV Charging Infrastructure [3.74242093516574]
  本稿では,単一パイプラインでコンテキストを統一するジオコンピューティングフレームワークであるDOVA-PATBM(Voronoi-oriented, Adaptive, POI-Aware Temporal Behaviour Model)を提案する。 ヘテロジニアスなデータ(中心性、人口、夜間光、POI、フィードライン)を階層的なH3グリッドに方法論する。 ゾーン正規化グラフニューラルネットワークモデルとの交差の重要性を推測し、30kmの半径で少なくとも1つの5ポートのDC高速充電器を保証するボロノイ・テッセルレーションをオーバーレイする。
  論文  参考訳（メタデータ） (2025-06-18T09:15:18Z)
• UniPTS: A Unified Framework for Proficient Post-Training Sparsity [67.16547529992928]
  Post-Traiing Sparsity (PTS)は、必要な限られたデータで効率的なネットワークスパシティを追求する、新たに登場した道である。 本稿では,従来のスパシティの性能をPSSの文脈に大きく変化させる3つの基本因子を変換することで,この相違を解消しようとする。 我々のフレームワークはUniPTSと呼ばれ、広範囲のベンチマークで既存のPTSメソッドよりも優れていることが検証されている。
  論文  参考訳（メタデータ） (2024-05-29T06:53:18Z)
• Minimalist Traffic Prediction: Linear Layer Is All You Need [9.677531063090104]
  交通予測は、インテリジェントトランスポーテーションシステム(ITS)の進展とスマートシティのビジョンに不可欠である。 STGNNは、RNNまたはTransformerと統合されたグラフニューラルネットワーク(GNN)を活用することで、この領域で有望であることを示した。 本稿ではこれらの課題に対処し,ノード埋め込みアプローチ,時系列分解,周期学習の3つの主要なソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-20T14:12:11Z)
• Efficient Parallel Split Learning over Resource-constrained Wireless Edge Networks [44.37047471448793]
  本稿では,エッジコンピューティングパラダイムと並列分割学習(PSL)の統合を提唱する。 そこで本研究では,モデル学習を高速化するために,効率的な並列分割学習(EPSL)という革新的なPSLフレームワークを提案する。 提案するEPSLフレームワークは,目標精度を達成するために必要なトレーニング遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2023-03-26T16:09:48Z)
• Teal: Learning-Accelerated Optimization of WAN Traffic Engineering [68.7863363109948]
  本稿では,GPUの並列処理能力を活用してTE制御を高速化する学習型TEアルゴリズムTealを提案する。 問題スケールの削減と学習のトラクタビリティ向上のために,Tealはマルチエージェント強化学習(RL)アルゴリズムを用いて,各トラフィック要求を独立に割り当てる。 他のTE加速方式と比較して、Tealは需要を6～32%増やし、197～625倍のスピードアップを達成している。
  論文  参考訳（メタデータ） (2022-10-25T04:46:30Z)

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。