Newest papers

PACT: Plan-Augmented Coordination via Trace-Graphs for Dynamic Multi-Agent Combinatorial Optimization

Xiao Zhou, Alex Schutz, Victor-Alexandru Darvariu, Nick Hawes · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26671 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Các phương pháp hiện có giả định rằng tất cả thông tin trường hợp vấn đề được biết trước. Tuy nhiên, các vấn đề thực tế thường là năng động: thông tin có liên quan được tiết lộ dần dần khi các đại lý thực hiện hành động (ví dụ, đến một cạnh trong một vấn đề định tuyến chỉ để khám phá nó là không thể vượt qua). Trong những trường hợp như vậy, các phương pháp hiện tại không phối hợp với các đại lý để khám phá và khai thác thông tin được tiết lộ dần dần. Để giải quyết thách thức phối hợp phát sinh, chúng tôi giới thiệu PACT (Plan-Augmented Coordination via Trace-graphs). PACT làm tăng môi trường với các nút phụ trợ đồ họa đại diện cho các kế hoạch của các đại lý, được kết nối với các nút tài nguyên để chỉ ra các vấn đề phụ thuộc trong tương lai. Chương trình truyền thông điệp được đề xuất hướng dẫn

Machine translation (Meta M2M100); the English original follows.

Abstract

Multi-agent approaches have been investigated recently as a means of improving the scalability of reinforcement learning for neural combinatorial optimization. Existing methods assume that all problem instance information is known upfront. However, real-world problems are often dynamic: relevant information is progressively revealed as the agents take actions (e.g., arriving at an edge in a routing problem only to discover it is untraversable). In such cases, existing methods fail to coordinate agents to explore and exploit the progressively revealed information. To address the arising coordination challenge, we introduce PACT (Plan-Augmented Coordination via Trace-graphs). PACT augments the environment graph with auxiliary nodes representing the plans of agents, which are connected to the resource nodes to indicate future dependencies. The proposed message-passing scheme over the augmented graph grounds inter-agent coordination in the environment and enables proactive, rather than reactive, conflict resolution. We show that PACT improves solution quality in dynamic problems relative to baselines and exhibits the best transfer to larger instances on which, remarkably, it outperforms centralized oracles with privileged access to instance uncertainty.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Scalability, Exploit, Graph, Reinforcement learning, Distributed computing

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange