論文の概要: Multi-objective Optimal Control of Dynamic Integrated Model of Climate
and Economy: Evolution in Action
- arxiv url: http://arxiv.org/abs/2007.00449v1
- Date: Mon, 29 Jun 2020 20:41:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 14:57:34.664707
- Title: Multi-objective Optimal Control of Dynamic Integrated Model of Climate
and Economy: Evolution in Action
- Title（参考訳）: 気候と経済の動的統合モデルの多目的最適制御:行動における進化
- Authors: Mostapha Kalami Heris and Shahryar Rahnamayan
- Abstract要約: 気候変動の経済学研究に広く用いられているモデルの一つに、動的統合型気候経済モデル(DICE)がある。
本稿では,DICEモデル上で定義された双方向最適制御問題について述べる。その目的は,社会福祉の最大化と大気温度差の最小化である。
以上の結果から, 温度偏差は, 地球環境に顕著な技術進歩や肯定的な変化がない限り, 一定の低い限界以下には到達できないことが示唆された。
- 参考スコア（独自算出の注目度）: 0.8756822885568589
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the widely used models for studying economics of climate change is the
Dynamic Integrated model of Climate and Economy (DICE), which has been
developed by Professor William Nordhaus, one of the laureates of the 2018 Nobel
Memorial Prize in Economic Sciences. Originally a single-objective optimal
control problem has been defined on DICE dynamics, which is aimed to maximize
the social welfare. In this paper, a bi-objective optimal control problem
defined on DICE model, objectives of which are maximizing social welfare and
minimizing the temperature deviation of atmosphere. This multi-objective
optimal control problem solved using Non-Dominated Sorting Genetic Algorithm II
(NSGA-II) also it is compared to previous works on single-objective version of
the problem. The resulting Pareto front rediscovers the previous results and
generalizes to a wide range of non-dominant solutions to minimize the global
temperature deviation while optimizing the economic welfare. The previously
used single-objective approach is unable to create such a variety of
possibilities, hence, its offered solution is limited in vision and reachable
performance. Beside this, resulting Pareto-optimal set reveals the fact that
temperature deviation cannot go below a certain lower limit, unless we have
significant technology advancement or positive change in global conditions.
- Abstract（参考訳）: 気候変動の経済学を研究するために広く使われているモデルの1つは、2018年のノーベル経済学賞受賞者の1人であるウィリアム・ノルドハウス教授によって開発された、ダイナミック統合気候経済モデル(DICE)である。
元々は、社会福祉の最大化を目的とした、DICEのダイナミクスに基づいて、単一目的の最適制御問題を定義してきた。
本稿では, 社会福祉を最大化し, 大気の温度偏差を最小化することを目的とした, diceモデルに基づく二目的最適制御問題を提案する。
非支配的ソーティング遺伝的アルゴリズムII (NSGA-II) を用いて解く多目的最適制御問題もまた、この問題の単目的バージョンに関する以前の研究と比較される。
その結果、パレートフロントは以前の結果を再検討し、経済福祉を最適化しつつ、世界温度のずれを最小限に抑えるため、広範囲の非支配的なソリューションに一般化する。
これまで使用されていた単一目的アプローチは、このようなさまざまな可能性を生み出すことができないため、提供するソリューションは、ビジョンと到達可能なパフォーマンスに制限がある。
これとは別に、pareto-optimal set の結果は、地球環境において著しい技術進歩やポジティブな変化がない限り、温度の偏差が一定の下限を満たさないことを明らかにする。
関連論文リスト
- Double Duality: Variational Primal-Dual Policy Optimization for
Constrained Reinforcement Learning [132.7040981721302]
本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。
制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
論文 参考訳（メタデータ） (2024-02-16T16:35:18Z) - A Modifiable Architectural Design for Commercial Greenhouses Energy
Economic Dispatch Testbed [0.0]
商業用温室は、二酸化炭素排出量に対処しながら、エネルギーコストを最小化しようとしている。
本稿では,商業用温室用エネルギー経済派遣テストベッドの建築設計について述べる。
論文 参考訳（メタデータ） (2024-01-08T13:36:31Z) - Towards Green AI in Fine-tuning Large Language Models via Adaptive
Backpropagation [58.550710456745726]
ファインチューニングは、トレーニング済みの大規模言語モデル(LLM)を下流アプリケーションに適用する最も効果的な方法である。
既存の高速微調整技術は, FLOPの低減に限界がある。
本稿では,異なるテンソルのバックプロパゲーションコストを適応的に評価する新しい手法であるGreenTrainerについて述べる。
論文 参考訳（メタデータ） (2023-09-22T21:55:18Z) - AI For Global Climate Cooperation 2023 Competition Proceedings [77.07135605362795]
国際機関が国際気候協定の遵守を保証できない。
RICE-NはAIエージェントを使用した地域意思決定のモデリングをサポートする。
IAMは、これらの決定の気候・経済的な影響を未来にモデル化する。
論文 参考訳（メタデータ） (2023-07-10T20:05:42Z) - IcSDE+ -- An Indicator for Constrained Multi-Objective Optimization [4.511923587827301]
IcSDE+と呼ばれる効果的な単一人口指標に基づくCMOEAを提案する。
IcSDE+は制約違反(c)、シフトベース密度推定(SDE)、目的の和(+)の効率的な融合である
IcSDE+によるCMOEAの性能は、異なる特徴を持つ6つのベンチマークスイート上の9つの最先端のCMOEAと比較して好意的に比較される。
論文 参考訳（メタデータ） (2023-05-30T04:19:01Z) - When Demonstrations Meet Generative World Models: A Maximum Likelihood
Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。
タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
論文 参考訳（メタデータ） (2023-02-15T04:14:20Z) - Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。
実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-10-07T02:12:34Z) - Result Diversification by Multi-objective Evolutionary Algorithms with
Theoretical Guarantees [94.72461292387146]
両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。
GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。
目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文 参考訳（メタデータ） (2021-10-18T14:00:22Z) - Optimal Control Policies to Address the Pandemic Health-Economy Dilemma [2.5649050169091376]
非薬剤的介入(NPI)は、パンデミックを封じ込めるための効果的な手段である。
しかし、このような規制措置は一般的に経済に悪影響を及ぼす。
我々は、この健康経済ジレンマ(HED)の解決を支援するマクロレベルのアプローチを提案する。
論文 参考訳（メタデータ） (2021-02-24T13:39:07Z) - Augmented Convolutional LSTMs for Generation of High-Resolution Climate
Change Projections [1.7503398807380832]
統計的ダウンスケーリングのための補助的情報時空間ニューラルアーキテクチャを提案する。
現在の研究では、世界で最も気候的に多様化したインドにおいて、ESMの出力から1.15度 (115 km) から0.25度 (25 km) まで、毎日降水量のダウンスケーリングを行っている。
論文 参考訳（メタデータ） (2020-09-23T17:52:09Z)
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。