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
- Adaptive Dynamic Programming for Energy-Efficient Base Station Cell
Switching [19.520603265594108]
無線ネットワークの省エネは、次世代のセルネットワークの進化に対する需要が増大しているため、重要になっている。
本稿では,ネットワーク電力消費量を減らすために,オンライン最適化と併用して,基地局のセルをオン/オフする近似動的プログラミング(ADP)手法を提案する。
論文 参考訳(メタデータ) (2023-10-05T14:50:12Z) - 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) - Grid-SiPhyR: An end-to-end learning to optimize framework for
combinatorial problems in power systems [0.0]
SiPhyRは物理インフォームド機械学習フレームワークで、エンドツーエンドの学習で問題解決を最適化する。
クリーンエネルギーシステムの新たなパラダイムにおけるSiPhyRの有効性を実証する。
論文 参考訳(メタデータ) (2022-06-11T16:06:36Z) - 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) - Hybrid Quantum-Classical Multi-cut Benders Approach with a Power System
Application [0.0]
単位コミット(UC)問題に対する量子古典解(HQC)が提示される。
D-Wave Advantage 4.1 Quantum annealerを用いて提案手法の有効性と計算可能性を示す。
論文 参考訳(メタデータ) (2021-12-10T16:16:09Z) - 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) - Learning High-Level Policies for Model Predictive Control [54.00297896763184]
Model Predictive Control (MPC)は、ロボット制御タスクに対する堅牢なソリューションを提供する。
ニューラルネットワークの高レベルポリシーを学習するための自己教師付き学習アルゴリズムを提案する。
提案手法は, 標準的なMPCでは困難な状況に対処できることを示す。
論文 参考訳(メタデータ) (2020-07-20T17:12:34Z)
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。