論文の概要: MMAO: A Metabolic Multi-Agent Optimizer with Endogenous Resource Allocation for Continuous and Discrete Optimization

• arxiv url: http://arxiv.org/abs/2606.28109v1
• Date: Fri, 26 Jun 2026 14:10:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.508753
• Title: MMAO: A Metabolic Multi-Agent Optimizer with Endogenous Resource Allocation for Continuous and Discrete Optimization
• Title（参考訳）: MMAO: 連続・離散最適化のための内因性資源配分を用いたメタボリックマルチエージェント最適化
• Abstract要約: 本稿では,プライベート・パブリックなメタボリック・リソース・ループから順応的に適応を導出するクロスドメイン最適化フレームワークを提案する。 連続的な設定では、MMAOはエネルギー制御されたゼロオーダープローブとロール補間運動を使用する。 離散的な設定では、同じ制御則が構造的センシング、局所摂動、誘導、エネルギー重み付きエッジ再利用によってインスタンス化される。
• 参考スコア（独自算出の注目度）: 0.5156484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional meta-heuristics often rely on fixed population sizes, manually chosen search scales, and externally attached parameter-control modules. This paper presents the \textit{Metabolic Multi-Agent Optimizer} (MMAO), a cross-domain optimization framework in which adaptation is derived endogenously from a private-public metabolic resource loop. Each agent carries internal energy, a continuous role state, motion or structural memory, and local search history, while the population shares a communal resource pool. Fitness improvements are converted into normalized metabolic gains through a robust progress scale and a recent success statistic; the same closed loop then regulates sensing intensity, search amplitude, role drift, branching, pruning, respawning, and elite reinvestment. In the continuous setting, MMAO uses energy-regulated symmetric zero-order probing and role-interpolated motion. In the discrete setting, the same control law is instantiated through structural sensing, local route improvement, guided perturbation, and energy-weighted edge reuse. The paper combines an implementation-faithful formulation with a reproducible experimental study on a CEC2017 subset (10D/30D, 20 seeds) and five TSPLIB instances (100 discrete runs in total). The current evidence supports MMAO primarily as a parameter-light, self-calibrating optimization framework whose main validated originality lies in metabolically endogenous resource allocation across heterogeneous search behaviors, rather than as a universally superior optimizer.
• Abstract（参考訳）: 伝統的なメタヒューリスティックは、しばしば固定された集団サイズ、手動で選択された検索スケール、および外部に取り付けられたパラメータ制御モジュールに依存している。 本稿では,メタボリック・マルチエージェント・オプティマイザ(MMAO)というドメイン間最適化フレームワークを提案する。 各エージェントは内部エネルギー、連続的な役割状態、運動または構造記憶、局所的な検索履歴を持ち、人口は共有資源プールを共有している。 適合度の改善は、頑健な進行スケールと最近の成功統計を通じて正常化された代謝利得に変換され、同じ閉ループは、感覚強度、探索振幅、役割ドリフト、分岐、刈り取り、再産、エリート再投資を規制する。 連続的な設定では、MMAOはエネルギー制御された対称零次探索とロール補間運動を用いる。 離散的な設定では、同じ制御則が構造的センシング、局所的な経路改善、誘導摂動、エネルギー重み付きエッジ再利用によってインスタンス化される。 本論文は,CEC2017サブセット(10D/30D,20種)とTSPLIBインスタンス5インスタンス(合計100個)の再現可能な実験結果と,実装に忠実な定式化を組み合わせたものである。 現在のエビデンスでは、MMAOをパラメータライトで自己校正的な最適化フレームワークとしてサポートしており、その主な目的は、普遍的に優れた最適化手法としてではなく、異種探索行動にまたがるメタボリックな内在的資源割り当てにある。

関連論文リスト

• From Open Loop to Closed Loop: A Test-Time Iterative Optimization Framework for Reference-Consistent Image Generation [108.02425846269234]
  制御可能な画像生成は、視覚的参照条件を組み込むことで、大きな進歩を遂げた。 既存の方法は、主にオープンループシステムとして動作する。 本稿では,閉ループ動的トラッキング問題として参照一貫性生成を再構成する新しいテスト時間反復最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-06T05:36:30Z)
• Mechanism and Stability Analysis of Metabolic Closed-Loop Metaheuristics [0.5156484100374058]
  本稿では,MMAO(Multi-Agent Metabolic)を実装レベルやベンチマークレベルではなく,フレームワークレベルで研究する。 フレームワークを定義するリソース予約を維持しながら、ドメイン固有の移動演算子を抽象化する汎用的なMMAO状態モデルを導入する。 次に, 持続的資源不足による収縮, 余剰共同蓄積による再投資, エージェントやサブグループ間の不均一な辺縁リターンによる再分配の3つの内因性行動体制を特徴付ける。
  論文  参考訳（メタデータ） (2026-07-02T00:19:05Z)
• MMAO-Dyn: A Metabolic Multi-Agent Optimizer for Dynamic Optimization [0.5156484100374058]
  MMAO-Dynは、プライベートエネルギー、共同予算、ロールドリフト、成功フィードバック、ライフサイクル・ターンオーバーを非定常環境にマッピングする。 MMAO-Dyn を 18-scenario 合成連続ベンチマーク行列上で評価した。
  論文  参考訳（メタデータ） (2026-07-01T12:12:14Z)
• Minimal MMAO: A Resource-Closed-Loop Framework for Adaptive Metaheuristic Search [0.5156484100374058]
  本稿では,内因性資源循環を中心に構築された適応型メタヒューリスティックとしてメタボリック・マルチエージェント(MMAO)を提案する。 我々は、有界私的エネルギー、共同予算、正規化された報酬、継続的な役割適応、資源の確保された分枝と刈り取りを通じて、MMAOを定式化する。 結果は一貫したパターンを示しており、同じ代謝ループはドメイン間で動作可能であり、離散的な実現はコンパクトな設計の下で比較的安定であり、連続的な改善品質はメソッドをリーンに保つための主なコストである。
  論文  参考訳（メタデータ） (2026-06-29T15:20:36Z)
• ATRS: Adaptive Trajectory Re-splitting via a Shared Neural Policy for Parallel Optimization [14.810654249835572]
  並列ADMMループに共有のDeep Reinforcement Learningポリシーを組み込む新しいフレームワークであるATRSを提案する。 我々は、ATRS収束が26.2%まで加速し、計算時間が19.1%まで加速することを示した。 実世界の実験は、大規模なオフライングローバル計画とリアルタイムオンボード計画の両方に1サイクルあたり35ミリ秒以内の適用性をさらに確認する。
  論文  参考訳（メタデータ） (2026-04-24T16:58:14Z)
• ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
  ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。 我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-27T05:22:01Z)
• Regime-Adaptive Bayesian Optimization via Dirichlet Process Mixtures of Gaussian Processes [14.367563771141592]
  RAMBOはガウス過程のディリクレプロセス混合体であり、最適化中に遅延状態を自動的に検出する。 我々は、効率的な推論のために潜在関数を解析的に極小化する、崩壊したギブスサンプリングを導出した。 我々の獲得機能は、不確実性を登録内および登録間コンポーネントに分解する。
  論文  参考訳（メタデータ） (2026-01-27T20:45:50Z)
• ARM: Role-Conditioned Neuron Transplantation for Training-Free Generalist LLM Agent Merging [51.409102048965394]
  エージェント・ロール・マージング(ARM)は、LLMエージェントのモデルマージングのための活性化誘導されたロール条件のニューロン移植法である。 ARMは、静的自然言語タスクからマルチターンエージェントシナリオまで、既存のマージメソッドを改善している。
  論文  参考訳（メタデータ） (2026-01-12T08:31:53Z)
• MAESTRO: Meta-learning Adaptive Estimation of Scalarization Trade-offs for Reward Optimization [56.074760766965085]
  大規模言語モデル(LLM)の整合性のための効率的なパラダイムとしてグループ相対政策最適化が登場している。 我々は,報酬スカラー化を動的潜在ポリシーとして扱い,モデルの終端隠蔽状態を意味的ボトルネックとして活用するMAESTROを提案する。 本稿では,軽量コンダクタネットワークがメタリワード信号としてグループ相対的優位性を生かしてポリシと共進化する,双方向最適化フレームワークにおけるコンテキスト的帯域幅問題としてこれを定式化する。
  論文  参考訳（メタデータ） (2026-01-12T05:02:48Z)
• MoRE: Batch-Robust Multi-Omics Representations from Frozen Pre-trained Transformers [0.0]
  本稿では, 凍結事前学習型トランスフォーマーを応用し, 不均一なアッセイを共有潜在空間に整列させるフレームワークであるMoRE(Multi-Omics Representation Embedding)を提案する。 特に、MoREは軽量でモジュラリティ固有のアダプタとタスク適応型融合層を冷凍バックボーンに取り付ける。 我々は、Scrublet を用いた scGPT, scVI, Harmony など、確立されたベースラインに対して MoRE をベンチマークし、統合忠実度、希少な人口検出、モダリティ伝達を評価した。
  論文  参考訳（メタデータ） (2025-11-25T15:04:06Z)
• AReUReDi: Annealed Rectified Updates for Refining Discrete Flows with Multi-Objective Guidance [9.647706155737287]
  AReUReDiは、多能性バイオ分子生成のためのシーケンスベースのフレームワークである。 ペプチドおよびSMILES配列設計に応用される。 その結果、AReUReDiはマルチプロパタイトバイオ分子生成のための強力なシーケンスベースのフレームワークとして確立された。
  論文  参考訳（メタデータ） (2025-09-30T23:33:33Z)
• ALoRE: Efficient Visual Adaptation via Aggregating Low Rank Experts [71.91042186338163]
  ALoREは、Kroneckerによって構築された超複素パラメータ化空間をAggregate Low Rank Expertsに再利用する新しいPETL法である。 巧妙な設計のおかげで、ALoREは無視できる余分なパラメータを保持し、凍ったバックボーンに強制的にマージできる。
  論文  参考訳（メタデータ） (2024-12-11T12:31:30Z)
• Stochastic Optimal Control Matching [53.156277491861985]
  最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。 この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。 実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
  論文  参考訳（メタデータ） (2023-12-04T16:49:43Z)
• Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
  汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。 本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
  論文  参考訳（メタデータ） (2022-04-08T20:46:16Z)

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。