論文の概要: MANET-GNN: Learned Decentralized Optimization of Power Allocation in Multi-Channel MANETs

• arxiv url: http://arxiv.org/abs/2609.40170v1
• Date: Wed, 30 Sep 2026 17:01:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.119165
• Title: MANET-GNN: Learned Decentralized Optimization of Power Allocation in Multi-Channel MANETs
• Title（参考訳）: MANET-GNN:マルチチャネルMANETにおけるパワーアロケーションの分散最適化を学習する
• Abstract要約: MANETは複数の周波数チャネルを利用し、分散送信電力割り当てパターンをサポートする。 マルチモード動的MANETにおける統合学習最適化フレームワークを開発した。 その結果、MANET-GNNは、MANET全体にわたって効果的にチャネル不確実性に頑健であることがわかった。
• 参考スコア（独自算出の注目度）: 37.6556635587534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: MANETs enable flexible infrastructure-less wireless connectivity in dynamic and resource-constrained environments. As modern MANETs exploit multiple frequency channels and support heterogeneous traffic patterns, decentralized transmit-power allocation becomes increasingly challenging. We develop a unified learned optimization framework for decentralized power allocation in dynamic multi-hop, multi-channel MANETs. We formulate a constrained end-to-end throughput maximization problem covering unicast, multicast, multicommodity, convergecast, and many-to-many communication. Although centralized and non-convex, this problem serves as an unsupervised training objective for MANET-GNN, a message-passing GNN that operates as a distributed learned optimizer. MANET-GNN uses only local, possibly noisy, CSI and a prescribed number of neighbor message exchanges, enabling low-latency decentralized inference while generalizing across topologies and network sizes. Numerical results show that MANET-GNN achieves centralized-competitive performance across communication frameworks, remains robust to channel uncertainty, and scales effectively across MANET configurations.
• Abstract（参考訳）: MANETは動的およびリソース制約のある環境で柔軟なインフラストラクチャレス無線接続を可能にする。 現代のMANETは、複数の周波数チャネルを利用し、異種トラフィックパターンをサポートするため、分散送信電力割り当てはますます困難になっている。 動的マルチホップマルチチャネルMANETにおける分散電力配分のための統一的学習最適化フレームワークを開発した。 我々は、ユニキャスト、マルチキャスト、マルチコモディティ、コンバーストキャスト、多対多通信をカバーする制約付きエンドツーエンドスループット最大化問題を定式化する。 集中型かつ非凸型であるが、この問題は分散学習オプティマイザとして機能するメッセージパスGNNであるMANET-GNNの教師なしトレーニング目標として機能する。 MANET-GNNは、ローカル、おそらくノイズの多いCSIと所定数の近隣メッセージ交換だけを使用し、トポロジやネットワークサイズを一般化しながら低レイテンシの分散推論を可能にする。 数値計算の結果,MANET-GNNは通信フレームワーク間の一元的競合性能を実現し,チャネルの不確実性に頑健であり,MANET構成間で効果的にスケール可能であることが示された。

関連論文リスト

• Graph Neural Networks for Resource Allocation in Multi-Channel Wireless Networks [15.680699077140453]
  マルチチャネル無線ネットワークにおけるJCPA問題を解決するために,拡張WMMSEアルゴリズムを提案する。 次に、各ユーザに対して同時マルチチャネルアロケーションを可能にするグラフニューラルネットワークベースのソリューションであるJCPGNN-Mを紹介する。 JCPGNN-M は eWMMSE と比較してデータレートが良いことを示す。
  論文  参考訳（メタデータ） (2025-06-04T10:34:05Z)
• Opportunistic Routing in Wireless Communications via Learnable State-Augmented Policies [7.512221808783587]
  本稿では,大規模無線通信ネットワークにおけるパケットベースの情報ルーティングの課題に対処する。 機会的ルーティングは、無線通信の放送特性を利用して、最適な転送ノードを動的に選択する。 ネットワーク内のソースノードが処理する全情報の最大化を目的とした,状態拡張(SA)に基づく分散最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-03-05T18:44:56Z)
• Semi-decentralized Training of Spatio-Temporal Graph Neural Networks for Traffic Prediction [0.15978270011184256]
  スマートモビリティ領域における時空間グラフ時間ニューラルネットワーク(ST-GNN)のための半分散トレーニング手法を探索し,適応する。 センサを複数のクラウドレットに近接してグループ化するシミュレーションフレームワークを実装した。 半分散的なセットアップは、パフォーマンスメトリクスの集中的なアプローチと同等であることを示す。
  論文  参考訳（メタデータ） (2024-12-04T10:20:21Z)
• Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
  マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。 マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。 提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-10-06T02:35:35Z)
• Flex-Net: A Graph Neural Network Approach to Resource Management in Flexible Duplex Networks [11.89735327420275]
  本研究では,静的時間スケジューリングを伴わないフレキシブルネットワークの総和率について検討する。 NPハードな無線リソース管理問題におけるグラフネットワーク(GNN)の最近の成功により、我々はFlex-Netという新しいGNNアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-01-20T12:49:21Z)
• Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
  本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。 我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
  論文  参考訳（メタデータ） (2021-06-15T09:03:28Z)
• Graph Neural Networks for Decentralized Controllers [171.6642679604005]
  自律エージェントで構成される動的システムは、ロボット工学、スマートグリッド、スマートシティなど、多くの関連する問題に現れる。 最適な集中型コントローラは容易に利用できるが、スケーラビリティと実用的な実装の面で制限に直面している。 グラフニューラルネットワーク(GNN)を用いて,データから分散制御系を学習するフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-23T13:51:18Z)

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。