論文の概要: Adjacency-Based Spectral Proxy Control of Mobile Communication Agents

• arxiv url: http://arxiv.org/abs/2608.13616v1
• Date: Wed, 12 Aug 2026 20:35:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.165438
• Title: Adjacency-Based Spectral Proxy Control of Mobile Communication Agents
• Title（参考訳）: 隣接性に基づく移動体通信エージェントのスペクトルプロキシ制御
• Authors: Mariana del Castillo, Federico Larroca,
• Abstract要約: 制御不能なタスクエージェントと制御不能な通信エージェントからなる異種移動エージェントネットワークを考察する。 接続の制御はグラフのラプラシア行列の2番目に小さい固有値に対応する固有ベクトルに依存する。 本稿では,フィドラー埋め込みを隣接行列の固有ベクトルに置き換えるA-Fiedlerを提案する。
• 参考スコア（独自算出の注目度）: 0.23872611575805827
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider a heterogeneous mobile-agent network composed of uncontrolled task agents and controllable communication agents. The objective is to reposition communication agents online as task agents move. Since throughput-based objectives are generally unsuitable for real-time control, spectral graph metrics such as algebraic connectivity are commonly adopted as surrogate objectives. However, controlling algebraic connectivity relies on the eigenvector corresponding to the second-smallest eigenvalue of a graph's Laplacian matrix (i.e., the Fiedler vector), whose distributed estimation requires an unbounded number of communication rounds to converge. In this work, we identify a structural decomposition of this Fiedler-gradient controller into a local interaction rule and a graph embedding component, suggesting the use of alternative embeddings that are easier to estimate distributively than the Fiedler vector. As a particular instance, we propose A-Fiedler, which replaces the Fiedler embedding with the dominant eigenvector of the adjacency matrix, commonly used as a graph embedding of nodes into a latent geometry. This representation is more naturally suited for distributed implementation under local communication constraints. We evaluate A-Fiedler against the classical Fiedler-gradient controller. Results show comparable network performance in the absence of communication constraints and improved robustness under distributed estimation. For instance, under the same number of communication rounds, the Fielder-gradient may even converge to disconnected configurations whereas our proposition maintains performance. We believe our contribution provides a simpler path toward distributed network control.
• Abstract（参考訳）: 制御不能なタスクエージェントと制御不能な通信エージェントからなる異種移動エージェントネットワークを考察する。 目的は、タスクエージェントの動きとして、コミュニケーションエージェントをオンラインで再配置することである。 スループットに基づく目的は一般にリアルタイム制御には適さないため、代数接続のようなスペクトルグラフのメトリクスは一般に代理目的として採用されている。 しかし、代数接続の制御は、グラフのラプラシアン行列(すなわち、フィドラーベクトル)の2番目に小さい固有値に対応する固有ベクトルに依存する。 本研究では、このFiedler-gradientControllerの構造的分解を局所的相互作用規則とグラフ埋め込み成分に同定し、Fiedlerベクトルよりも分散的に推定し易い代替埋め込みの利用を提案する。 特に,隣接行列の固有ベクトルをフィドラー埋め込みに置き換えたA-Fiedlerを提案する。 この表現は、より自然に、ローカル通信制約下での分散実装に適している。 A-Fiedler を古典的な Fiedler-gradient コントローラに対して評価する。 その結果,通信制約がない場合のネットワーク性能は同等であり,分散推定時のロバスト性も向上した。 例えば、同じ数の通信ラウンドの下では、Fielder-gradientは非連結な構成に収束するかもしれませんが、我々の提案は性能を維持します。 当社のコントリビューションは、分散ネットワーク制御へのよりシンプルなパスを提供すると信じています。

関連論文リスト

• Pair-Centric Graph Rewiring for Over-Squashing via Optimal Transport-Guided Communication Alignment [24.215683640150413]
  グラフのリワイアリングはオーバースカッシングに対する構造的応答を提供する。 変更予算が限られているため、重要な疑問は、どのペアワイズ通信が構造的サポートを必要とするかである。 本稿では,ペア中心グラフ再構成フレームワークであるPairAlignを提案する。
  論文  参考訳（メタデータ） (2026-08-11T08:05:32Z)
• Reward Transport: Property Control in Flow Matching via Noise-Space Alignment [30.541631728490202]
  フローマッチングにおける結合は、学習されたフローフィールドに直接制御可能な構造を埋め込むことができることを示す。 トレーニング時に最適な輸送結合を用いて,スカラーノイズ空間座標を分子報酬と整合させるReward Transportを導入する。 実験的に、ZINC-250K と Guaca 上で、スカラーを網羅すると logP の単調な制御と、その動作範囲に対する一貫した QED 制御が誘導される。
  論文  参考訳（メタデータ） (2026-06-13T00:17:15Z)
• Limit Analysis of Graph Neural Networks with Wireless Conflict Graphs [81.39865232674413]
  グラフニューラルネットワーク(GNN)は、無線リソース割り当てのための強力なツールとして登場した。 この研究は、スパースランダム幾何グラフ(RGGs)から得られるグラフ上のGNNの転送可能性に関する理論的結果を確立する。
  論文  参考訳（メタデータ） (2026-06-02T15:42:14Z)
• Graph Signal Diffusion Models for Wireless Resource Allocation [74.84410305593006]
  グラフ構造干渉を用いた無線ネットワークにおける制約付きエルゴディック資源最適化について検討する。 生成した電力割り当ての時間的共有は、ほぼ最適のエルゴディック・サムレートユーティリティとほぼ実現可能なエルゴディック・ミニマルレートを実現する。
  論文  参考訳（メタデータ） (2026-04-06T21:12:25Z)
• Nonparametric Bellman Mappings for Value Iteration in Distributed Reinforcement Learning [8.324857108715007]
  本稿では,分散強化学習(DRL)における値反復(VI)のためのベルマン写像(B-Maps)を提案する。 各エージェントは、そのプライベートデータから非パラメトリックなBマップを構築し、再生されたカーネルヒルベルト空間で表されるQ関数を操作する。 詳細な性能解析により,提案するDRLフレームワークは集中ノードの性能を効果的に近似することを示した。
  論文  参考訳（メタデータ） (2025-03-20T14:39:21Z)
• 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)
• T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
  T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。 実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-10-05T02:58:29Z)
• Compressed Regression over Adaptive Networks [58.79251288443156]
  分散エージェントのネットワークによって達成可能な性能を導出し,通信制約や回帰問題を解消し,適応的に解決する。 エージェントによって最適化に必要なパラメータをオンラインで学習できる最適化アロケーション戦略を考案する。
  論文  参考訳（メタデータ） (2023-04-07T13:41:08Z)

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。