論文の概要: Solving MKP Applied to IoT in Smart Grid Using Meta-heuristics
Algorithms: A Parallel Processing Perspective
- arxiv url: http://arxiv.org/abs/2006.15927v1
- Date: Mon, 29 Jun 2020 10:49:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 14:14:10.220447
- Title: Solving MKP Applied to IoT in Smart Grid Using Meta-heuristics
Algorithms: A Parallel Processing Perspective
- Title(参考訳): メタヒューリスティックスアルゴリズムを用いたスマートグリッドにおけるIoT応用MKPの解決:並列処理の視点から
- Authors: Jandre Albertyn, Ling Cheng, Adnan M. Abu-Mahfouz
- Abstract要約: 南アフリカの電力価格の上昇は、スマートグリッドのようなデマンドサイドマネジメント(DSM)デバイスの必要性を招いている。
スマートグリッドがピークに達するためには、そのエネルギー管理コントローラ(EMC)システムを最適化する必要がある。
- 参考スコア(独自算出の注目度): 0.22940141855172028
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Increasing electricity prices in South Africa and the imminent threat of load
shedding due to the overloaded power grid has led to a need for Demand Side
Management (DSM) devices like smart grids. For smart grids to perform to their
peak, their energy management controller (EMC) systems need to be optimized.
Current solutions for DSM and optimization of the Multiple Knapsack Problem
(MKP) have been investigated in this paper to discover the current state of
common DSM models. Solutions from other NP-Hard problems in the form of the
iterative Discrete Flower Pollination Algorithm (iDFPA) as well as possible
future scalability options in the form of optimization through parallelization
have also been suggested.
- Abstract(参考訳): 南アフリカの電力価格の上昇と過負荷電力網による負荷削減の差し迫った脅威は、スマートグリッドのような需要側管理(dsm)デバイスの必要性につながった。
スマートグリッドがピークに達するためには、そのエネルギー管理コントローラ(EMC)システムを最適化する必要がある。
DSMの現在の解法とMKP(Multiple Knapsack Problem)の最適化について,DSMモデルの現状を明らかにするために検討した。
他のNP-Hard問題からの解法として、反復離散フラワーポリネレーションアルゴリズム (iDFPA) の形での解や、並列化による最適化の形での将来の拡張性オプションも提案されている。
関連論文リスト
- Advancing Generative Artificial Intelligence and Large Language Models for Demand Side Management with Internet of Electric Vehicles [52.43886862287498]
本稿では,大規模言語モデル(LLM)のエネルギー管理への統合について検討する。
本稿では、自動問題定式化、コード生成、カスタマイズ最適化のために、LLMを検索拡張生成で強化する革新的なソリューションを提案する。
本稿では,電気自動車の充電スケジューリングと最適化における提案手法の有効性を示すケーススタディを提案する。
論文 参考訳(メタデータ) (2025-01-26T14:31:03Z) - Self-Adaptive Ising Machines for Constrained Optimization [0.4450107621124637]
制約のラグランジュ緩和を用いてエネルギー景観を形作る自己適応型IMを提案し, 罰則の事前調整を回避する。
我々は,多次元クナップサック問題 (MKP) と二次クナップサック問題 (QKP) でアルゴリズムをベンチマークし,後者は線形制約を持つイジング問題である。
その結果,探索中にエネルギー環境に適応することで,制約付き最適化のためにIMを高速化できることが示唆された。
論文 参考訳(メタデータ) (2025-01-09T05:02:50Z) - Optimizing Load Scheduling in Power Grids Using Reinforcement Learning and Markov Decision Processes [0.0]
本稿では,動的負荷スケジューリングの課題に対処する強化学習(RL)手法を提案する。
提案手法は実時間負荷スケジューリングのためのロバストでスケーラブルなソリューションを提供する。
論文 参考訳(メタデータ) (2024-10-23T09:16:22Z) - GP CC-OPF: Gaussian Process based optimization tool for
Chance-Constrained Optimal Power Flow [54.94701604030199]
Gaussian Process (GP) ベースのChance-Constrained Optimal Flow (CC-OPF) は、電力グリッドにおけるエコノミックディスパッチ(ED)問題のためのオープンソースのPythonコードである。
CC-OPモデルに基づく新しいデータ駆動手法を提案し,複雑性と精度のトレードオフにより大規模な回帰問題を解く。
論文 参考訳(メタデータ) (2023-02-16T17:59:06Z) - Reimagining Demand-Side Management with Mean Field Learning [0.0]
本稿では,DSMの新しい手法,特に所望の消費信号に従うために大量の電気機器を制御する問題を提案する。
我々は,凸関数とリプシッツ関数の理論的保証を提供する新しいアルゴリズムMD-MFCを開発した。
論文 参考訳(メタデータ) (2023-02-16T10:15:08Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳(メタデータ) (2022-03-26T20:37:14Z) - Distributed Reinforcement Learning for Privacy-Preserving Dynamic Edge
Caching [91.50631418179331]
MECネットワークにおけるデバイスのキャッシュヒット率を最大化するために,プライバシ保護型分散ディープポリシー勾配(P2D3PG)を提案する。
分散最適化をモデルフリーなマルコフ決定プロセス問題に変換し、人気予測のためのプライバシー保護フェデレーション学習手法を導入する。
論文 参考訳(メタデータ) (2021-10-20T02:48:27Z) - Data-Driven Random Access Optimization in Multi-Cell IoT Networks with
NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。
本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。
ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文 参考訳(メタデータ) (2021-01-02T15:21:08Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z)
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。