論文の概要: Adaptive Coverage Algorithms for Mobile Ad Hoc Networks in Dynamic Worlds

• arxiv url: http://arxiv.org/abs/2610.41936v1
• Date: Fri, 30 Oct 2026 15:57:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.800707
• Title: Adaptive Coverage Algorithms for Mobile Ad Hoc Networks in Dynamic Worlds
• Title（参考訳）: 動的世界におけるモバイルアドホックネットワークの適応被覆アルゴリズム
• Abstract要約: 本稿では、動的不安定性の可能性を考慮して、未知の世界における移動エージェントの協調のための既存の枠組みを拡張した。 本稿では,CADENCE(Agent-Directed Exploration for Network Coverage)とDADENCE(DADENCE)の2つの最先端アルゴリズムについて述べる。 次に、その性能を別の最先端ベンチマークアルゴリズムと比較し、適応されたアルゴリズムがベンチマークテストセットでより優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.31498833540989407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper extends an existing framework for the coordination of mobile agents in unknown worlds, by considering the possibility of dynamic instability. In the original problem, known as the Partially Observable Cooperative Guard Art Gallery Problem (POCGAGP) (arXiv:2512.09495), the multi-agent system must establish a communication network which completely covers an initially unknown constrained space. However, the POCGAGP fails to account for the unpredictability often seen in real-world deployment. To address this, the dynamic case (DPOCGAGP) introduces two settings which can influence the mobile network during deployment: Agent Loss and World Change, which represent dynamic changes to the world. Within this study, we present advancements to two state-of-the-art algorithms, the Centralized Agent-Directed Exploration for Network Coverage (CADENCE), and its decentralized analogue, DADENCE, to provide solutions in these cases. We then compare their performance against another state-of-the-art benchmark algorithm, and show that the adapted algorithms outperform across our benchmark test set, which comprises over 4500 test cases of varied size and structure.
• Abstract（参考訳）: 本稿では、動的不安定性の可能性を考慮して、未知の世界における移動エージェントの協調のための既存の枠組みを拡張した。 当初はPOCGAGP (Partially Observable Cooperative Guard Art Gallery Problem) (arXiv:2512.09495) と呼ばれ、マルチエージェントシステムは、当初未知の制約空間を完全にカバーする通信ネットワークを確立する必要がある。 しかし、POCGAGPは現実のデプロイメントでよく見られる予測不能を考慮できない。 これを解決するために、動的ケース(DPOCGAGP)では、デプロイ中にモバイルネットワークに影響を与える可能性のある2つの設定が導入されている。 本研究では,2つの最先端アルゴリズムであるCADENCE(Centralized Agent-Directed Exploration for Network Coverage)と,その分散アナログであるDADENCEの進歩について述べる。 次に、その性能を他の最先端のベンチマークアルゴリズムと比較し、適応されたアルゴリズムがベンチマークテストセットでより優れており、サイズと構造が異なる4500以上のテストケースから構成されていることを示す。

関連論文リスト

• BPG: Balancing Plasticity and Generalization for Domain Incremental Learning [48.68747632195046]
  ドメインインクリメンタルな学習は、モデルを事前の知識を維持しながら継続的な適応を可能にする。 2つの相補的なコンポーネントを通して、両方の課題に対処する統合フレームワークであるBPGを提案する。 BPGは、均一なアダプタベースのアプローチとハードドメイン選択戦略を一貫して上回る。
  論文  参考訳（メタデータ） (2026-08-11T11:22:27Z)
• Multi-Agent DRL for V2X Resource Allocation: Disentangling Challenges and Benchmarking Solutions [51.22818149833102]
  マルチエージェント強化学習(MARL)は、車間通信(C-V2X)ネットワークにおける無線リソース割り当ての有望なアプローチとして登場した。 しかし、MARLに固有の多面的課題はしばしば絡み合っており、車載環境における個々の影響を理解することは困難である。 我々は, C-V2X RRA を, 複雑さが徐々に増大する多エージェント干渉ゲーム列として定式化し, このギャップを埋める。
  論文  参考訳（メタデータ） (2026-02-18T14:46:56Z)
• QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
  宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。 本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
  論文  参考訳（メタデータ） (2025-12-17T06:22:46Z)
• On Mobile Ad Hoc Networks for Coverage of Partially Observable Worlds [30.48140477734169]
  我々は,この問題を,協調ガードアートギャラリー問題に網羅的問題と直視的制約を関連付けることにより,計算幾何学的枠組みに配置した。 本稿では,エージェントを配置する270度のコーナーを段階的に選択する集中型プランナCADENCEと,ローカル情報と軽量メッセージングを用いてエージェントを協調する分散型スキームDADENCEの2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-12-10T10:19:34Z)
• Causality Meets Locality: Provably Generalizable and Scalable Policy Learning for Networked Systems [26.67939638191807]
  トラフィック、電力、無線グリッドなどの大規模ネットワークシステムでは、スケールと環境の両方のシフトで強化学習エージェントに挑戦する。 本稿では,因果表現学習とメタアクタ批判学習を組み合わせ,拡張性とドメインの一般化を両立させるフレームワークGSACを提案する。 GSACの適応は,スクラッチや従来の適応ベースラインよりも速く,はるかに優れていた。
  論文  参考訳（メタデータ） (2025-10-24T13:06:43Z)
• Scalable spectral representations for multi-agent reinforcement learning in network MDPs [13.782868855372774]
  マルチエージェント制御の一般的なモデルであるNetwork Markov Decision Processes (MDPs)は、効率的な学習に重大な課題をもたらす。 まず、ネットワークMDPに対してスケーラブルなスペクトル局所表現を導出し、各エージェントの局所$Q$関数に対するネットワーク線形部分空間を誘導する。 我々は,連続的な状態対応ネットワークMDPのためのスケーラブルなアルゴリズムフレームワークを設計し,アルゴリズムの収束をエンドツーエンドで保証する。
  論文  参考訳（メタデータ） (2024-10-22T17:45:45Z)
• Benchmarking Evolutionary Community Detection Algorithms in Dynamic Networks [3.3945171520079866]
  動的ネットワークでは、エンティティは相互作用し、時間とともに進化するネットワークコミュニティを形成する。 動的ネットワークにおける進化的CDアルゴリズムのベンチマークフレームワークと一般化モジュラリティベースアプローチ(NeGMA)を提案する。 以上の結果から,$alpha$GMAは断続的変換の検出に適しているが,急激な変化に苦慮していることが明らかとなった。
  論文  参考訳（メタデータ） (2023-12-21T12:14:35Z)
• Safe Multi-agent Learning via Trapping Regions [89.24858306636816]
  我々は、動的システムの定性理論から知られているトラップ領域の概念を適用し、分散学習のための共同戦略空間に安全セットを作成する。 本稿では,既知の学習力学を持つシステムにおいて,候補がトラップ領域を形成することを検証するための二分分割アルゴリズムと,学習力学が未知のシナリオに対するサンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-27T14:47:52Z)
• Continuous Time Analysis of Dynamic Matching in Heterogeneous Networks [0.0]
  常微分方程式(ODE)モデルを確立することによって動的マッチングをモデル化する新しい手法を提案する。 ヘテロジニアスネットワークにおいて,整合性のあるハード・ト・マッチ・エージェントのマッチングを容易・ト・マッチ・エージェントよりも優先する2つのアルゴリズムについて検討した。 この結果から,エージェントの相反する目標間のトレードオフを迅速かつ最適に示し,実世界の動的マッチングシステムの設計に関する洞察を提供する。
  論文  参考訳（メタデータ） (2023-02-20T04:45:13Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)

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。