[Submitted on 30 Jul 2026]

View PDF HTML (experimental)

Abstract:在去中心化环境中，分布式离散选择优化通常难以探索和导航：解开其他代理的选择、它们的选择如何相互依赖，以及它们如何共同实现全局目标，随着系统规模的扩大迅速变得难以处理。主要限制在于搜索过程的可观测性。现有方法大多是集中式的且支持有限，仅可视化最终解决方案或在固定数据集上提供算法后端，因此解决方案是如何达成的仍是一个黑箱。我们提出了 Argonaut，这是一个轻量级、容器化的优化仪表板，能够对去中心化环境中的多智能体离散选择优化的整个搜索过程进行交互式、可视化探索。用户可以上传数据集、构建智能体与选项、动态修改决策空间及其参数，并运行多个算法后端，以检查每种配置如何塑造局部智能体决策及由此产生的全局目标。通过将系统构建、优化与分析统一在一个交互循环中，Argonaut 实现了分布式离散选择优化的人机协同过程，而非一次性的黑箱计算。我们在真实世界的家庭用电、共享出行和传感器数据交换数据集上对 Argonaut 进行了评估，规模达到 5600 个智能体和多达 100 万个暴力搜索解。Argonaut 基于 this http URL 接口构建，拥有可扩展的 Java 和 Python 优化后端，在典型运行时下，处理 200 个智能体、100 个决策属性的时间低于 30 秒。

Submission history

From: Srijoni Majumdar Dr [view email]
[v1] Thu, 30 Jul 2026 09:52:33 UTC (609 KB)