論文の概要: Minimal MMAO: A Resource-Closed-Loop Framework for Adaptive Metaheuristic Search

• arxiv url: http://arxiv.org/abs/2606.30450v2
• Date: Sat, 04 Jul 2026 15:32:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 17:33:48.616214
• Title: Minimal MMAO: A Resource-Closed-Loop Framework for Adaptive Metaheuristic Search
• Title（参考訳）: Minimal MMAO: 適応メタヒューリスティック検索のためのリソースクローズドループフレームワーク
• Abstract要約: 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。
• 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: This paper presents the Metabolic Multi-Agent Optimizer (MMAO) as an adaptive metaheuristic built around endogenous resource circulation. The central premise is that search intensity, exploration--exploitation balance, and lifecycle turnover should be induced by a shared metabolic controller rather than by separately attached schedules. We formulate MMAO through bounded private energy, a communal budget, normalized reward, continuous role adaptation, and resource-financed branching and pruning. The method is then instantiated in both continuous and discrete domains and evaluated on a matched small-scale suite including Sphere, Rastrigin, a synthetic Euclidean TSP, and two TSPLIB instances. The results show a consistent pattern: the same metabolic loop remains workable across domains, the discrete realization remains relatively stable under a compact design, and continuous refinement quality is the main cost of keeping the method lean. Taken together, these findings position MMAO as a coherent framework for adaptive heuristic design rather than a loose collection of operators.
• Abstract（参考訳）: 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・オプティマイザ(MMAO)を提案する。 中心的な前提は、探索強度、探索-探索バランス、ライフサイクルのターンオーバーは、個別にアタッチされたスケジュールではなく、共有メタボリックコントローラによって引き起こされるべきである。 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。 その後、連続したドメインと離散的なドメインの両方でインスタンス化され、Sphere、Rastrigin、合成ユークリッドTSP、および2つのTSPLIBインスタンスを含むマッチングされた小規模スイートで評価される。 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。 これらの知見をまとめると、MMAOは演算子の緩やかな集合ではなく、適応的ヒューリスティック設計のコヒーレントな枠組みとして位置づけられる。

関連論文リスト

• Beyond Modality Harmony: Orthogonal Purification and Topology-Guided MoE for Conflict-Aware Multimodal Recommendation [6.78317230214304]
  コンフリクト対応マルチモーダルレコメンデーション(OrthoRec)のための直交浄化とトポロジー誘導型MoEを提案する。 OrthoRecがCGOP(Collaborative-Guided Orthogonal Purification)を導入 我々はOrthoRecが競争力のある最近のベースラインを一貫して上回り、モダリティノイズやアイテムのスポーシティの下で頑健さを向上させることを示した。
  論文  参考訳（メタデータ） (2026-09-02T06:06:30Z)
• 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: A Metabolic Multi-Agent Optimizer with Endogenous Resource Allocation for Continuous and Discrete Optimization [0.5156484100374058]
  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。
  論文  参考訳（メタデータ） (2026-06-26T14:10:34Z)
• The Art of Interrogation: Consistency Amplifies Factuality in Spatial Reasoning [65.67266333751569]
  現在のLRM(Large Reasoning Models)は、空間推論タスクにおいて顕著な汎用性を示すが、性能は著しく劣る。 本研究では,内的推論プロセスを対象とした自己指導型強化学習フレームワークを提案する。 このラベルのない整合性トレーニングは,地道的な監督によって訓練されたモデルの精度にアプローチし,多様なタスクやデータ領域にまたがる同様の一般化を実現することを示す。
  論文  参考訳（メタデータ） (2026-06-10T10:50:06Z)
• Multimodal Distribution Matching for Vision-Language Dataset Distillation [50.411341509805936]
  マルチモーダル分散マッチング(Multimodal Distribution Matching)は、効率的かつ一般化可能なマルチモーダル蒸留のための幾何学的枠組みである。 MDMはデータ、モデル、損失レベルで補完的なコンポーネントを統合する。 マルチモーダルなセマンティクスを保存し、蒸留コストを大幅に削減し、建築全体にわたって頑丈な、コンパクトな合成セットを生成する。
  論文  参考訳（メタデータ） (2026-05-22T10:41:58Z)
• Anisotropic Modality Align [91.23979617826926]
  マルチモーダルな大規模言語モデルの訓練は、高品質なペア型マルチモーダルデータの不足により、長い間制限されてきた。 近年の研究では、事前訓練されたマルチモーダルコントラストモデルの共有表現空間がブリッジとして機能し、非モーダルデータを用いたマルチモーダルトレーニングを可能にすることが示されている。 中心となる障害は、共有空間の永続的なモダリティギャップにある。
  論文  参考訳（メタデータ） (2026-05-08T14:53:24Z)
• Chain of Modality: From Static Fusion to Dynamic Orchestration in Omni-MLLMs [84.3271821505699]
  カオス・オブ・モダリティ(Chain of Modality, CoM)は、マルチモーダル融合を受動的結合から動的オーケストレーションに移行するエージェントフレームワークである。 CoMはトレーニングフリーまたはデータ効率のSFT設定で動作し、様々なベンチマークで堅牢で一貫した一般化を実現する。
  論文  参考訳（メタデータ） (2026-04-16T01:21:14Z)
• Distributionally Robust Cooperative Multi-Agent Reinforcement Learning via Robust Value Factorization [29.92519720312025]
  我々は、各エージェントの強靭な欲求行動が、強靭なチーム・最適関節行動と整合することを要求する原則である分散ロバストIGM(DrIGM)を導入する。 DrIGMは、分散されたgreedy実行と互換性のある、堅牢な個々のアクション値の新たな定義を保っている。 我々は既存のバリューファクターアーキテクチャのDrygM準拠の堅牢なバリエーションを導出する。
  論文  参考訳（メタデータ） (2026-02-11T23:24:15Z)
• Recurrent Equivariant Constraint Modulation: Learning Per-Layer Symmetry Relaxation from Data [36.287199718605]
  等価ニューラルネットワークは、基礎となるタスク対称性を利用して一般化を改善する。 本稿では,レイヤワイド制約変調機構であるRecurrent Equivariant ConstraintModulation (RECM)を提案する。 RECMは、トレーニング信号と各層の入力ターゲット分布の対称性からのみ適切な緩和レベルを学習する。
  論文  参考訳（メタデータ） (2026-02-02T21:59:35Z)
• 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)
• UniMRSeg: Unified Modality-Relax Segmentation via Hierarchical Self-Supervised Compensation [104.59740403500132]
  マルチモーダルイメージセグメンテーションは、不完全/破損したモダリティの劣化による実際のデプロイメント課題に直面している。 階層型自己教師型補償(HSSC)による統一Modality-relaxセグメンテーションネットワーク(UniMRSeg)を提案する。 我々のアプローチは、入力レベル、特徴レベル、出力レベルをまたいだ完全なモダリティと不完全なモダリティの間の表現ギャップを階層的に橋渡しします。
  論文  参考訳（メタデータ） (2025-09-19T17:29:25Z)
• Energy-Guided Continuous Entropic Barycenter Estimation for General Costs [95.33926437521046]
  任意のOTコスト関数に対して連続的エントロピーOT(EOT)バリセンタを近似する新しいアルゴリズムを提案する。 本手法は、弱いOTに基づくEOT問題の二重再構成に基づいている。
  論文  参考訳（メタデータ） (2023-10-02T11:24:36Z)

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。