論文の概要: Dynamic Transaction Scheduling and Pricing in the Ethereum Mempool

• arxiv url: http://arxiv.org/abs/2605.12794v1
• Date: Tue, 12 May 2026 22:20:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.713192
• Title: Dynamic Transaction Scheduling and Pricing in the Ethereum Mempool
• Title（参考訳）: Ethereum Mempoolにおける動的トランザクションスケジューリングと価格設定
• Authors: Fatemeh Fardno, S. Rasoul Etesami,
• Abstract要約: ヘテロジニアスサイズのトランザクションが時間とともに到着し、スケジュールまでメムプールに留まる動的トランザクションスケジューリング問題について検討する。 本結果は,長期割引報酬を最大化しつつ,動的価格設定がメムプールを安定化させることを示す。 特に、オーバーシュートペナルティは増加し、平均的なスケジュールされたトランザクションボリュームはターゲットブロック容量に収束し、その結果のNPG更新はEIP-1559価格更新ルールに類似する。
• 参考スコア（独自算出の注目度）: 2.2344764434954256
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Ethereum blockchain utilizes the EIP-1559 algorithm to manage transaction inclusion and block assembly. However, EIP-1559 and much of the existing literature study this problem from a static perspective, focusing on price evolution without modelling transaction dynamics within the mempool. Motivated by this limitation, we study a dynamic transaction scheduling problem in which transactions with heterogeneous sizes and per-unit values arrive over time and remain in the mempool until scheduled. To capture the stochastic mempool evolution, we formulate the problem as a Markov Decision Process (MDP) whose state represents the mempool configuration and whose actions correspond to block prices. We first provide a primal-dual interpretation of the static EIP-1559 mechanism, showing that block prices arise naturally as dual variables of a social-welfare maximization problem. Building on this perspective, we extend the framework to the dynamic setting and formulate an objective that maximizes long-run discounted reward while incorporating holding costs and overshoot penalties. We then employ a Natural Policy Gradient (NPG) algorithm to compute the optimal policy. Our results show that dynamic pricing stabilizes the mempool while maximizing long-run discounted reward. In particular, as the overshoot penalty increases, the average scheduled transaction volume converges to the target block capacity, and the resulting NPG updates closely resemble the EIP-1559 price update rule. Finally, we study two special cases of the MDP formulation: homogeneous transactions and uniform arrivals. In the homogeneous setting, where the protocol directly controls scheduled volume, we show that the optimal policy has a threshold structure. We then propose a bang-bang pricing mechanism for uniform arrivals and derive a lower bound on the block capacity needed to ensure system stability.
• Abstract（参考訳）: Ethereumブロックチェーンは、EIP-1559アルゴリズムを使用してトランザクションのインクルージョンとブロックアセンブリを管理する。 しかし、EIP-1559や既存の文献の多くは、メムプール内のトランザクションダイナミクスをモデル化せずに価格の進化に焦点をあてて、この問題を静的な視点から研究している。 この制限により、不均一なサイズと単位単位値のトランザクションが時間とともに到着し、スケジュールされるまでメムプールに留まる、動的トランザクションスケジューリング問題を研究する。 確率的なメムプールの進化を捉えるために,状態がメムプールの構成を表し,その動作がブロック価格に対応するマルコフ決定過程 (MDP) として問題を定式化する。 まず,静的なEIP-1559機構を2次元で解釈し,ブロック価格がソーシャル・ウェルフェアの最大化問題の2変数として自然に発生することを示す。 この観点から、この枠組みをダイナミックな設定に拡張し、長期割引報酬を最大化しつつ、保持コストと過度な罰則を取り入れた目的を定式化する。 次に、最適ポリシーを計算するために、Natural Policy Gradient (NPG)アルゴリズムを用いる。 本結果は,長期割引報酬を最大化しつつ,動的価格設定がメムプールを安定化させることを示す。 特に、オーバーシュートペナルティが増加するにつれて、平均的なスケジュールされたトランザクションボリュームはターゲットブロック容量に収束し、その結果のNPG更新はEIP-1559価格更新ルールによく似ている。 最後に,MDP定式化の特殊事例として,均質取引と均一到着の2つについて検討した。 プロトコルがスケジュールされたボリュームを直接制御する同質な設定では、最適ポリシーがしきい値構造を持つことを示す。 次に,均一到着のためのバンバン価格設定機構を提案し,システム安定性を確保するために必要なブロック容量を低くする。

関連論文リスト

• Hölder Policy Optimisation [26.521180498291717]
  textbfHlderPOは、一般的なポリシー最適化フレームワークである。 トークンレベルの確率アグリゲーションをHlder平均を介して統一する。 複数の数学ベンチマークにおいて、最先端の平均精度は54.9%である。
  論文  参考訳（メタデータ） (2026-05-12T12:45:03Z)
• Explainable Regime Aware Investing [0.0]
  本稿では,厳密な因果関係を持つ Wasserstein Hidden Markov Model に基づくレシック・アウェア・ポートフォリオ構築フレームワークを提案する。 ワッサーシュタインHMMレジームは、等重量およびSPXの買いと持ち株のベンチマークと対照的に、非常に高いリスク調整性能を達成している。
  論文  参考訳（メタデータ） (2026-02-21T00:33:16Z)
• To break, or not to break: Symmetries in adaptive quantum simulations, a case study on the Schwinger model [0.6254251081017878]
  適応型変分量子固有解器のための資源効率の高い演算器プールの構築における対称性の役割について検討する。 演算子プールの合計は11ドルである。
  論文  参考訳（メタデータ） (2025-10-03T15:13:56Z)
• SCOP: Schrodinger Control Optimal Planning for Goal-Based Wealth Management [0.0]
  我々は、退職などの財政目標に向けて、働く個人のような金融プランナーの貢献を最適化する問題を考察する。 プランナーの目的は、目標に向かって設定された投資ポートフォリオへの定期的な導入の最適かつ実現可能なスケジュールを見つけることである。 ポートフォリオのリターンはランダムであるため、問題の実用的なバージョンは、ゴールが与えられた信頼度レベルで満たされるように最適なコントリビューションスキームを見つけることにある。
  論文  参考訳（メタデータ） (2023-09-12T02:58:59Z)
• Autoregressive Bandits [58.46584210388307]
  本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。 報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。 次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
  論文  参考訳（メタデータ） (2022-12-12T21:37:36Z)
• Nearly Optimal Latent State Decoding in Block MDPs [74.51224067640717]
  エピソードブロック MDP では、意思決定者は少数の潜在状態から生成される豊富な観測やコンテキストにアクセスすることができる。 まず、固定動作ポリシーに基づいて生成されたデータに基づいて、潜時状態復号関数を推定することに興味がある。 次に、報酬のないフレームワークにおいて、最適に近いポリシーを学習する問題について研究する。
  論文  参考訳（メタデータ） (2022-08-17T18:49:53Z)
• Efficient Policy Iteration for Robust Markov Decision Processes via Regularization [49.05403412954533]
  ロバストな意思決定プロセス(MDP)は、システムのダイナミクスが変化している、あるいは部分的にしか知られていない決定問題をモデル化するためのフレームワークを提供する。 最近の研究は、長方形長方形の$L_p$頑健なMDPと正規化されたMDPの等価性を確立し、標準MDPと同じレベルの効率を享受する規則化されたポリシー反復スキームを導出した。 本研究では、政策改善のステップに焦点をあて、欲求政策と最適なロバストなベルマン作用素のための具体的な形式を導出する。
  論文  参考訳（メタデータ） (2022-05-28T04:05:20Z)
• Robust and Adaptive Temporal-Difference Learning Using An Ensemble of Gaussian Processes [70.80716221080118]
  本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。 OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。 1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
  論文  参考訳（メタデータ） (2021-12-01T23:15:09Z)
• Deep Reinforcement Learning for Stock Portfolio Optimization [0.0]
  私たちは、タスクに強化学習を適切に適用できるように問題を定式化します。 市場に関する現実的な仮定を維持するためには、取引コストとリスクファクターを州にも組み込む予定です。 ストックサブセット選択のための最小分散ポートフォリオと多周波データパターン抽出のためのウェーブレット変換を用いたタスクのエンドツーエンドソリューションを提案する。
  論文  参考訳（メタデータ） (2020-12-09T10:19:12Z)
• Momentum Improves Normalized SGD [51.27183254738711]
  モーメントを追加することで、目的に対する大きなバッチサイズの必要性を確実に排除できることを示す。 本稿では,ResNet-50 や BERT といった大規模タスクの事前学習において,提案手法が有効であることを示す。
  論文  参考訳（メタデータ） (2020-02-09T07:00:54Z)

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。