論文の概要: Cooperative EV Charging Assignment Using Multi-Agent Reinforcement Learning: A Comparison of QMIX and Independent Q-Learning Under Urban Traffic Uncertainty

• arxiv url: http://arxiv.org/abs/2610.38053v1
• Date: Tue, 27 Oct 2026 23:08:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.345352
• Title: Cooperative EV Charging Assignment Using Multi-Agent Reinforcement Learning: A Comparison of QMIX and Independent Q-Learning Under Urban Traffic Uncertainty
• Title（参考訳）: マルチエージェント強化学習を用いた協調EV充電アサインメント:都市交通不確実性下におけるQMIXと独立Qラーニングの比較
• Abstract要約: 1つのステーションで防御可能な受け入れ/拒絶判定は、それでも充電地区全体の効率を低下させる可能性がある。 分散部分観測可能決定プロセス(Dec-POMDP)としてこの運用問題を定式化する。 我々は、分散実行によるトレーニングが、QMIXを介してインスタンス化され、協調的な独立Q-Learningベースライン(IQL)に対する割り当て性能を向上させるかどうかを検討する。 これらの知見は, マルチステーション帯電代行においては, 協調条件によってのみ追加されるのではなく, 学習アーキテクチャにコーディネーションを組み込まなければならないという見解を支持している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The allocation of electric vehicles to public charging stations is increasingly constrained by the fact that several heterogeneous facilities often serve the same stream of requests while observing only partial local information. An accept/reject decision that is defensible for one station may nevertheless reduce the efficiency of the charging district as a whole. We formulate this operational problem as a Decentralized Partially Observable Markov Decision Process (Dec-POMDP) and examine whether Centralized Training with Decentralized Execution (CTDE), instantiated through QMIX, improves assignment performance relative to a cooperative Independent Q-Learning baseline (IQL). The evaluation uses a six-station urban network simulated with SUMO, five independent random seeds, 200 training episodes, and four traffic flux scenarios ranging from 100 to 250 vehicles/hour. Under this protocol, QMIX reaches a mean reward per evaluated decision of +0.776, versus +0.578 for IQL (delta = +0.198, seed-paired Cohens dz = 2.98, exact two-sided Wilcoxon p = 0.0625, the minimum attainable value at this sample size), and raises the acceptance rate from 72.4% to 94.0% (delta = +21.6 pp, dz = 5.24, Wilcoxon p = 0.0625). A five-variant ablation suggests this gain is primarily attributable to the CTDE architecture when holding cooperative reward terms fixed, though not formally isolated with a single seed. By contrast, cooperative reward shaping and experience sharing show no clear descriptive benefit and may slightly reduce performance. These findings support the view that, for multi-station charging assignment, coordination should be embedded in the learning architecture rather than added only through heuristic cooperation terms.
• Abstract（参考訳）: 電気自動車の公共充電ステーションへの配電は、いくつかの異種施設が、部分的なローカル情報のみを観察しながら、しばしば同じ要求のストリームを提供するという事実によって、ますます制限されている。 1つのステーションで防御可能な受け入れ/拒絶判定は、それでも充電地区全体の効率を低下させる可能性がある。 本稿では、分散部分観測可能マルコフ決定プロセス(Dec-POMDP)としてこの運用問題を定式化し、分散実行による集中訓練(CTDE)がQMIXを介してインスタンス化され、協調的な独立Qラーニングベースライン(IQL)に対する割り当て性能を改善するかどうかを検討する。 評価には、SUMOと5つの独立したランダムシード、200のトレーニングエピソード、100から250台の車両/時間にわたる4つのトラフィックフラックスシナリオをシミュレートした6つのステーションの都市ネットワークを使用する。 このプロトコルの下では、QMIX は、評価された IQL の +0.776 に対して +0.578 に対して (delta = +0.198, seed-paired Cohens dz = 2.98, exact two-sided Wilcoxon p = 0.0625, the least attainable value at this sample size) の平均報酬に達し、受信率は72.4% から94.0% (delta = +21.6 pp, dz = 5.24, Wilcoxon p = 0.0625) に上昇する。 5種類のアブレーションは、この利得を主にCTDEアーキテクチャーが1つの種子で正式に単離されるわけではないが、協調報酬項を固定するときに生じることを示唆している。 対照的に、協力的な報酬形成と経験共有は明確な記述的利益を示さず、性能をわずかに低下させる可能性がある。 これらの知見は、マルチステーション充電の割り当てには、ヒューリスティックな協調条件によってのみ追加されるのではなく、学習アーキテクチャにコーディネーションを組み込まなければならないという見解を支持している。

関連論文リスト

• Turing LLM Post-Training: Calibrated Distillation and Efficient Dynamic-MoE Execution [48.87945011066967]
  本研究では, 動的経路混合(MoE)モデルのポストトレーニングについて検討し, コンソリデーション効率を維持しつつ, 独立的に最適化されたスペシャリストの統合に着目した。 提案手法は,教師が選択したTop-$K$サポートと教師の損失正規化とクリッピングを併用した校正型多目的蒸留(C-MOPD)と,ポストキャパシティ境界幅ディスパッチ,終局リプレイ,非同期ロールアウト-トレーニングオーバーラップを用いた実行パスを組み合わせたものである。
  論文  参考訳（メタデータ） (2026-10-29T11:52:20Z)
• Functional Cross-layer Experts Routing for One-step Diffusion Distillation [48.005521427284584]
  DeMoEは、イメージFFN間で条件付きルーティングされたエキスパートスライスと、永続的な共有専門家をペアリングする。 1ステップのFLUX.2-4B では、DeMoE は GenEval のスコア 0.8220 を獲得し、画像-FFN の幅の 80.5% しか活性化しない。 COCO-10K全体で、DeMoEは最先端の忠実さと単一ステップモデル間の多様性を確立している。
  論文  参考訳（メタデータ） (2026-10-19T03:46:29Z)
• VERA: Verifiable Feasibility Representations with Counterfactual Credit for Constrained Multi-Agent Control [9.501098247724594]
  集中学習型分散実行フレームワークであるVERAを紹介する。 信用代入から可能性推定を分離する。 VERAは55.33%+/-3.60%の成功、0.45%+/-0.81%のカバレッジ違反がある。
  論文  参考訳（メタデータ） (2026-09-30T03:37:29Z)
• GenCoord: Skill-Path Commitments under Private Information [3.5348314201494517]
  GenCoordを紹介します。これは、そのようなプライベートな事実のタスクの結果を、実行可能なスキルパスのコミットメントに変換するものです。 ローカルQwen3.5-0.8Bモデルは、複数ステップのSELFプランとピアREQを出力する。 3つの独立して訓練された種子の中で、正しい能力フィードバックは、ペア化された局所情報ギャップを50%から100%に閉じる。
  論文  参考訳（メタデータ） (2026-08-22T17:41:25Z)
• ZAPs: A Reward Attribution Framework for DeFi Ecosystems with Adversarial-Robust Scoring via Parallel Anomaly Ensemble Detection [0.5689746155812007]
  本稿では、経済貢献のスコアと敵意の堅牢性を組み合わせた報酬帰属の枠組みであるZAPを紹介する。 2層重み付け機構は、セクター内のプロトコルシェアとエコシステム内のセクターシェアを組み合わせたものだ。 ZAPはまた、トランザクションレベルの整合性チェック、並列異常アンサンブル、分散後の挙動記憶、グラフベースのシビルクラスタリングからなる4層防御スタックも導入している。
  論文  参考訳（メタデータ） (2026-07-30T08:36:26Z)
• INTACT: Ego-Guided Typed Sparse Evidence Retrieval for Heterogeneous Collaborative Perception [50.64511548643398]
  異種知覚のためのエゴ誘導型スパースエビデンス検索フレームワークを提案する。 IntACTは、エゴの車両に、疑わしい物やエビデンスに欠ける地域を表す型付きエビデンスクエリを発行する。 シミュレーションおよび実世界の異種知覚ベンチマークの実験は、INTACTの有効性とデプロイ性を検証する。
  論文  参考訳（メタデータ） (2026-06-03T04:34:53Z)
• SPARQ: Efficient Entanglement Distribution and Routing in Space-Air-Ground Quantum Networks [50.91365514137301]
  宇宙空間量子(SPARQ)ネットワークは、シームレスなオンデマンドの絡み合い分布を提供する手段として開発された。 SPARQの複数のグラフ上でディープQネットワーク(DQN)を用いて深層強化学習フレームワークを提案し,訓練した。 通信相手間の絡み合いを確立するために,サードパーティの絡み合い分散政策を提案する。
  論文  参考訳（メタデータ） (2024-09-19T16:31:37Z)
• Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
  量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。 QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
  論文  参考訳（メタデータ） (2024-05-15T02:04:22Z)
• Reducing Variance in Temporal-Difference Value Estimation via Ensemble of Deep Networks [109.59988683444986]
  MeanQは単純なアンサンブル法であり、ターゲット値をアンサンブル平均として推定する。 本稿では,Atari Learning Environmentベンチマークを用いた実験において,MeanQが顕著なサンプル効率を示すことを示す。
  論文  参考訳（メタデータ） (2022-09-16T01:47:36Z)
• An electric vehicle charging station access equilibrium model with M/D/C queueing [0.0]
  本稿では,M/D/Cキュー近似を非微分非線形プログラムとして用いたEV-to-charging station user equilibrium (UE)割り当てモデルを提案する。 このモデルは、2020年7月8日時点のニューヨーク市全体行政サービス(NYC DCAS)およびEV充電ステーションの構成に関する大規模なケーススタディに適用される。 その結果,高い待ち待ち時間ではなく,高い利用率の場所の選択に基づくポリシが示唆された。
  論文  参考訳（メタデータ） (2021-02-11T05:23:36Z)

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。