論文の概要: Hierarchical Bayesian optimization of an aircraft-based multi-agent system-of-systems

• arxiv url: http://arxiv.org/abs/2609.22130v1
• Date: Sun, 23 Aug 2026 13:35:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.725436
• Title: Hierarchical Bayesian optimization of an aircraft-based multi-agent system-of-systems
• Title（参考訳）: 航空機に基づくマルチエージェントシステムの階層的ベイズ最適化
• Abstract要約: この研究は、個別のアーキテクチャ選択、条件依存、不均一な設計変数を扱う階層的なベイズ最適化フレームワークを導入している。 その結果,階層的な定式化は従来のサロゲート法に比べて探索効率と頑健性を向上させることがわかった。 本研究では,航空機による山火事抑制のためのマルチエージェントシステムにアプローチを適用し,EUが出資するCOLOSSUSプロジェクトで開発されたユースケースについて述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing innovative system architectures increasingly relies on advanced modeling and optimization techniques to frame the architecting process and define the corresponding computational problems. For complex System-of-Systems (SoS), high-fidelity multiphysics and multidisciplinary simulations are essential for capturing detailed behaviors. However, their computational expense and the risk of evaluation failures make direct optimization challenging. To overcome these limitations, surrogate-based approaches, like Bayesian optimization, have emerged as effective tools for managing expensive, black-box simulation tasks. This work introduces a hierarchical Bayesian optimization framework that leverages Gaussian process meta-modeling to handle discrete architectural choices, conditional dependencies, and heterogeneous design variables inherent to SoS problems. Results show that the hierarchical formulation improves search efficiency and robustness compared to conventional surrogate-based methods, enabling the exploration of large and structurally diverse design spaces with limited simulation budgets. We apply the approach to an aircraft-based multi-agent system for wildfire suppression, a use case developed within the EU-funded COLOSSUS project that illustrates how SoS principles can coordinate heterogeneous aerial platforms with complementary roles, supporting both sustainable mobility and emergency response missions. Our framework provides a scalable methodology for SoS architecting and model exploration, offering transferable insights for applications in aviation, sustainable mobility, and resilience-oriented system design. By combining hierarchical representations with surrogate-based optimization, this work is among the first practical demonstrations of hierarchical Bayesian optimization applied to real-world SoS problems, advancing both methodology and practice.
• Abstract（参考訳）: 革新的なシステムアーキテクチャの開発は、設計プロセスのフレーム化とそれに対応する計算問題を定義するための高度なモデリングと最適化技術にますます依存している。 複雑なシステム・オブ・システム(SoS)では、詳細な振る舞いを捉えるために、高忠実度多物理と多分野シミュレーションが不可欠である。 しかし、それらの計算コストと評価失敗のリスクは、直接最適化を困難にしている。 これらの制限を克服するために、ベイズ最適化のような代理ベースのアプローチが、高価なブラックボックスシミュレーションタスクを管理する効果的なツールとして登場した。 この研究は、ガウスのプロセスメタモデリングを活用して、SoS問題に固有の独立したアーキテクチャ選択、条件依存、および異種設計変数を扱う階層的ベイズ最適化フレームワークを導入している。 その結果、階層的な定式化は従来のサロゲート方式に比べて探索効率と堅牢性を向上し、シミュレーション予算に制限のある大規模かつ構造的に多様な設計空間の探索を可能にした。 本研究では, 航空機による山火事抑制のためのマルチエージェントシステムにアプローチを適用する。これはEUが出資するCOLOSSUSプロジェクトで開発されたユースケースで, SoSの原則が, 持続可能な移動性および緊急対応ミッションの両方をサポートするために, 異種航空プラットフォームを補完的な役割で協調させる方法について説明している。 当社のフレームワークは、SoSアーキテクチャとモデル探索のためのスケーラブルな方法論を提供し、航空、持続可能なモビリティ、レジリエンス指向システム設計におけるアプリケーションに対するトランスファー可能な洞察を提供する。 階層的表現とサロゲートに基づく最適化を組み合わせることで、現実のSoS問題に適用された階層的ベイズ最適化の実践的な実演のひとつとなり、方法論と実践の両方を進歩させた。

関連論文リスト

• From Models to Systems: A Comprehensive Survey of Efficient Multimodal Learning [126.2308206954491]
  本調査では,効率的なマルチモーダル学習のためのモデル・ツー・システム分類を初めて導入した。 我々は300を超える精巧な作品から3つの階層的なレベル – モデル,アルゴリズム,システム – への洞察を抽出し,アーキテクチャのパーシモニー,実行の洗練,ハードウェア対応のオーケストレーションを行う。
  論文  参考訳（メタデータ） (2026-09-16T21:27:22Z)
• Reinforcement Learning-Guided Evolutionary Policy Optimization for Preference-Adjustable Heterogeneous Agile Earth Observation Satellite Scheduling [50.176885352114674]
  異質なアジャイル地球観測衛星(AEOS)のスケジューリングには、タスクの選択、衛星の割り当て、および観測シークエンシングが必要である。 本稿では、優先調整可能な重み付け目的を用いた異種AEOSスケジューリングのための進化的ポリシー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） (2026-08-25T12:16:28Z)
• Efficient multidisciplinary design via Bayesian optimization [0.6157382820537719]
  本研究は,特に航空学において,複雑で計算コストの高いシステムを最適化するためのベイズ最適化ツールSEGOMOEを紹介する。 適応ガウス過程モデルを用いて、混合設計変数(連続的、離散的、分類的、階層的)を効率的に扱う。 このツールは多要素データをサポートし、隠れ制約や高次元分解を含む単目的と多目的の両方の問題を解決する。
  論文  参考訳（メタデータ） (2026-05-28T16:11:28Z)
• LLM4CMO: Large Language Model-aided Algorithm Design for Constrained Multiobjective Optimization [54.35609820607923]
  大規模言語モデル(LLM)は、アルゴリズム設計を支援する新しい機会を提供する。 LLM4CMOは,2つの人口構成をもつ2段階のフレームワークをベースとした新しいCMOEAである。 LLMは複雑な進化最適化アルゴリズムの開発において効率的な共同設計者として機能する。
  論文  参考訳（メタデータ） (2025-08-16T02:00:57Z)
• System-of-systems Modeling and Optimization: An Integrated Framework for Intermodal Mobility [0.565395466029518]
  システム・オブ・システムでは、ターゲットとするアプリケーションの計算複雑性を低減するために、効率的な専用アプローチを使用することが推奨されている。 新たなアーキテクチャの探索は、評価コストの増加や潜在的な失敗など、最適化アルゴリズムの課題を引き起こす可能性がある。 これらの課題に対処するために、ガウス過程モデルを利用したベイズ最適化のような代理ベースの最適化アルゴリズムが登場した。
  論文  参考訳（メタデータ） (2025-07-11T16:15:41Z)
• Multi-objective Bayesian Optimization With Mixed-categorical Design Variables for Expensive-to-evaluate Aeronautical Applications [0.47812237695718757]
  本研究の目的は,計算コストのかかる複雑なシステムを最適化する新しい手法を開発することである。 提案手法(ベイズ最適化(Bayesian Optimization)と呼ばれる)は、適応サンプリングを用いて探索と利用のトレードオフを促進する。 提案手法の有効性は、欧州計画 AGILE 4.0 の文脈における航空工学的な応用について検証された。
  論文  参考訳（メタデータ） (2025-04-14T06:44:13Z)
• Multi-Objective Bayesian Optimization for Networked Black-Box Systems: A Path to Greener Profits and Smarter Designs [0.0]
  MOBONSは、一般関数ネットワークを効率的に最適化できるベイズ最適化に着想を得た新しいアルゴリズムである。 持続可能なプロセス設計を含む2つのケーススタディを通じて,MOBONSの有効性を実証する。
  論文  参考訳（メタデータ） (2025-02-19T21:49:05Z)
• A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
  大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。 これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。 本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
  論文  参考訳（メタデータ） (2024-12-18T14:11:15Z)
• Bayesian Quality-Diversity approaches for constrained optimization problems with mixed continuous, discrete and categorical variables [0.3626013617212667]
  シミュレーション予算の制限という観点から,混合変数に基づく新しい品質多様性手法を提案する。 提案手法は、複雑なシステム設計のための意思決定者にとって貴重なトレードオフを提供する。
  論文  参考訳（メタデータ） (2023-09-11T14:29:47Z)

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。