Fugu-MT 論文翻訳(概要): Fully Distributed GNE Algorithms for Multi-Robot Placement without Consensus on Multipliers

論文の概要: Fully Distributed GNE Algorithms for Multi-Robot Placement without Consensus on Multipliers

arxiv url: http://arxiv.org/abs/2608.29388v1
Date: Sat, 29 Aug 2026 17:55:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-01 18:31:30.94946
Title: Fully Distributed GNE Algorithms for Multi-Robot Placement without Consensus on Multipliers
Title（参考訳）: マルチプライヤに対する合意のないマルチロボット配置のための完全分散GNEアルゴリズム
Abstract要約: 乗算器交換なしで収束する共有線形等式制約に対する完全分散連続時間アルゴリズムを提案する。この方法はマルチロボット配置タスクで検証される。
参考スコア（独自算出の注目度）: 11.508428985972259
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent machine learning research has increasingly focused on equilibrium analysis in non-cooperative games rather than solely on optimal solutions. Many such problems involve shared constraints and can be formulated as Generalized Nash Equilibrium Problems (GNEPs). For strongly monotone games, existing methods compute consensus-based variational GNEs (v-GNEs) by exchanging Lagrange multipliers. We propose a fully distributed continuous-time algorithm for shared linear equality constraints that converges without multiplier exchange and reaches any GNE, reducing communication overhead and improving privacy. Discrete-time schemes are also provided, and the method is validated on a multi-robot placement task.
Abstract（参考訳）: 近年の機械学習研究は、最適解のみに限らず、非協調ゲームにおける平衡解析に焦点を絞っている。このような問題の多くは共有制約を含んでおり、一般化ナッシュ平衡問題 (Generalized Nash Equilibrium Problems, GNEPs) として定式化することができる。強い単調ゲームの場合、既存の手法はラグランジュ乗算器を交換することでコンセンサスに基づく変分GNE(v-GNE)を計算する。乗算器交換なしで収束し,任意のGNEに到達し,通信オーバーヘッドを低減し,プライバシを向上する,共有線形等式制約に対する完全分散連続時間アルゴリズムを提案する。離散時間スキームも提供され、マルチロボット配置タスクで検証される。

関連論文リスト

Input-to-State Stability Framework for Fully Distributed Primal-Dual Dynamics for Quadratic GNEPs Without Multiplier Consensus [0.0]
一般化ナッシュ平衡問題(GNEP)は、分散アルゴリズムを必要とするマルチエージェント工学アプリケーションでしばしば発生する。乗算器のコンセンサスを強制する従来の手法とは異なり、本手法は乗算器の共有の必要性を排除し、通信を減らし、プライバシーを向上する。
論文参考訳（メタデータ） (2026-09-07T03:19:36Z)
Distributed GNEP Algorithms without Multiplier Sharing and Applications to Multi-Robot Coordination and Contextual Bandit-Based Active Learning [0.0]
この研究は完全な分散連続時間アルゴリズムを導入し、乗算器交換を必要としない収束を確立する。また,連続時間アルゴリズムの離散化手法についても提案する。提案手法の有効性は,マルチロボットの協調と配置への応用を通じて実証される。
論文参考訳（メタデータ） (2026-05-30T14:54:34Z)
Lagrangian Relaxation Score-based Generation for Mixed Integer linear Programming [13.20958452268089]
ラグランジュ緩和誘導微分方程式(SDE)に基づく生成的枠組みシステムは、標準MILPソルバに対して、コンパクトで効果的な信頼領域サブプロブレムを集合的に定義する、多種多様な高品質なソリューション候補を生成する。
論文参考訳（メタデータ） (2026-03-25T07:48:01Z)
Reinforcement learning with combinatorial actions for coupled restless bandits [62.89013331120493]
提案するSEQUOIAは,動作空間に対する長期報酬を直接最適化するRLアルゴリズムである。我々は,複数介入,経路制約,二部間マッチング,容量制約という,制約を伴う4つの新しいレスレス・バンディット問題に対して,SEQUOIAを実証的に検証した。
論文参考訳（メタデータ） (2025-03-01T21:25:21Z)
A unified consensus-based parallel ADMM algorithm for high-dimensional regression with combined regularizations [3.280169909938912]
並列交互乗算器 (ADMM) は大規模分散データセットの処理に有効であることが広く認識されている。提案アルゴリズムは,財務事例の信頼性,安定性,スケーラビリティを示す。
論文参考訳（メタデータ） (2023-11-21T03:30:38Z)
Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
論文参考訳（メタデータ） (2023-10-10T01:39:04Z)
Ensure Differential Privacy and Convergence Accuracy in Consensus Tracking and Aggregative Games with Coupling Constraints [1.8661143694112918]
共有結合制約を持つ完全分散集約ゲームに対する差分プライバシに対処する。一般化ナッシュ平衡(GNE)探索機構と微分プライバシ雑音注入機構を共同設計することにより,最初のGNE探索アルゴリズムを提案する。また,高精度な追跡性能を維持しつつ,厳密なエプシロン差分プライバシーを実現するための新しいコンセンサス追跡アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-10-28T20:33:37Z)
Faster Last-iterate Convergence of Policy Optimization in Zero-Sum Markov Games [63.60117916422867]
本稿では,対戦型マルチエージェントRLの最も基本的な設定,すなわち2プレーヤゼロサムマルコフゲームに焦点を当てる。両エージェントから対称更新を施した単一ループポリシー最適化手法を提案し,この手法はエントロピー規則化楽観的乗算重み更新法(OMWU)によって更新される。我々の収束結果は、最もよく知られた複雑性を改善し、競合するマルコフゲームにおけるポリシー最適化をよりよく理解する。
論文参考訳（メタデータ） (2022-10-03T16:05:43Z)
First-Order Algorithms for Nonlinear Generalized Nash Equilibrium Problems [88.58409977434269]
非線形一般化ナッシュ均衡問題(NGNEP)における平衡計算の問題を考える。我々の貢献は、2次ペナルティ法と拡張ラグランジアン法に基づく2つの単純な一階アルゴリズムフレームワークを提供することである。これらのアルゴリズムに対する漸近的理論的保証を提供する。
論文参考訳（メタデータ） (2022-04-07T00:11:05Z)
Multiblock ADMM for nonsmooth nonconvex optimization with nonlinear coupling constraints [3.2815423235774634]
非線形制約を伴う多重ブロック非平滑交互最適化問題のクラスを解くための乗算器の手法を提案する。一次変数の各ブロックの更新に主要なシーケンス化手順を用いる。
論文参考訳（メタデータ） (2022-01-19T15:31:30Z)
Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
論文参考訳（メタデータ） (2021-06-15T17:45:51Z)
Competitive Mirror Descent [67.31015611281225]
制約のある競合最適化には、制約の対象となる競合する目的を最小化しようとする複数のエージェントが含まれる。本稿では, 競合ミラー降下法(CMD)を提案する。特別の場合として、正の円錐上の問題に対する新しい競合乗法重みアルゴリズムを得る。
論文参考訳（メタデータ） (2020-06-17T22:11:35Z)

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。