論文の概要: Enabling Integration and Interaction for Decentralized Artificial
Intelligence in Airline Disruption Management
- arxiv url: http://arxiv.org/abs/2104.03349v1
- Date: Wed, 7 Apr 2021 18:59:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-09 12:57:42.330806
- Title: Enabling Integration and Interaction for Decentralized Artificial
Intelligence in Airline Disruption Management
- Title(参考訳): 航空破壊管理における分散人工知能の統合とインタラクションの実現
- Authors: Kolawole Ogunsina and Daniel DeLaurentis
- Abstract要約: エアラインのディスラプション管理は伝統的に、航空機のスケジューリング、乗組員のスケジューリング、乗客のスケジューリングという3つの課題に対処しようとしている。
我々は,航空会社の障害管理において,すべての問題次元の同時統合的復旧を可能にする,無依存かつ体系的なパラダイムの議論と実証を行う。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Airline disruption management traditionally seeks to address three problem
dimensions: aircraft scheduling, crew scheduling, and passenger scheduling, in
that order. However, current efforts have, at most, only addressed the first
two problem dimensions concurrently and do not account for the propagative
effects that uncertain scheduling outcomes in one dimension can have on another
dimension. In addition, existing approaches for airline disruption management
include human specialists who decide on necessary corrective actions for
airline schedule disruptions on the day of operation. However, human
specialists are limited in their ability to process copious amounts of
information imperative for making robust decisions that simultaneously address
all problem dimensions during disruption management. Therefore, there is a need
to augment the decision-making capabilities of a human specialist with
quantitative and qualitative tools that can rationalize complex interactions
amongst all dimensions in airline disruption management, and provide objective
insights to the specialists in the airline operations control center. To that
effect, we provide a discussion and demonstration of an agnostic and systematic
paradigm for enabling expeditious simultaneously-integrated recovery of all
problem dimensions during airline disruption management, through an intelligent
multi-agent system that employs principles from artificial intelligence and
distributed ledger technology.
- Abstract(参考訳): 航空事故管理は伝統的に、航空機のスケジューリング、乗組員のスケジューリング、乗客のスケジューリングという3つの課題に対処しようとする。
しかし、現在の取り組みは、少なくとも最初の2つの問題次元を同時に取り組んだだけであり、ある次元における不確定なスケジューリング結果が別の次元に有する伝播的効果を考慮していない。
また、航空破壊管理の既存のアプローチには、航空破壊の当日に必要な修正措置を決定する人間専門家が含まれる。
しかしながら、人間スペシャリストは、破壊管理中にすべての問題次元を同時に対処する堅牢な決定を行うための大量の情報を処理する能力に制限がある。
そのため、航空業務管理におけるあらゆる次元間の複雑な相互作用を合理化し、航空業務管理センターの専門医に客観的な洞察を与える量的・質的ツールにより、人間専門家の意思決定能力を増強する必要がある。
そこで我々は,AIと分散台帳技術を用いたインテリジェントマルチエージェントシステムを通じて,航空会社のディスラプション管理における全問題次元の迅速かつ同時的回復を可能にする,無知かつ体系的なパラダイムの議論と実演を行う。
関連論文リスト
- Towards Engineering Fair and Equitable Software Systems for Managing
Low-Altitude Airspace Authorizations [40.00051324311249]
小型無人航空機システム (SUAS) は様々な用途に広く採用されている。
FAA(連邦航空局)は、そのミッションを安全に完了させるSUASの予測能力に基づいて、空域へのアクセスを制御するUAS Traffic Management(UTM)システムを開発している。
本稿では,自動システムにおいて考慮すべき要因について,利害関係者の視点を考察する。
論文 参考訳(メタデータ) (2024-01-14T19:40:32Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳(メタデータ) (2023-10-28T05:59:43Z) - Towards Robust Continual Learning with Bayesian Adaptive Moment
Regularization [57.71118589124002]
継続的な学習は破滅的な忘れ込みという課題を克服しようと試み、そこでは新しいタスクを解くための学習が、モデルが以前に学習した情報を忘れる原因となる。
本稿では,パラメータ成長の制約を緩和し,破滅的な忘れ込みを抑える新しい事前手法を提案する。
以上の結果から, BAdamは, 単頭クラスインクリメンタル実験に挑戦する先行手法に対して, 最先端の性能を達成できることが示唆された。
論文 参考訳(メタデータ) (2023-09-15T17:10:51Z) - An Emergency Disposal Decision-making Method with Human--Machine
Collaboration [20.84526084548098]
現代の運用環境では、すべての業務計画が機器の故障や資源不足などの緊急イベントの影響を受けている。
意思決定を支援するために無人のシステムを使用することは、解決効率を向上させることができるが、その決定は解釈できない。
本稿では,タスクフィルタリングとタスクスケジューリングという2つのフェーズを用いて,計画外のイベントを解決するための協調的ヒューマンマシン手法を提案する。
論文 参考訳(メタデータ) (2023-05-29T15:53:20Z) - Flexible Job Shop Scheduling via Dual Attention Network Based
Reinforcement Learning [73.19312285906891]
フレキシブルなジョブショップスケジューリング問題(FJSP)では、複数のマシンで操作を処理でき、操作とマシンの間の複雑な関係が生じる。
近年, 深層強化学習(DRL)を用いて, FJSP解決のための優先派遣規則(PDR)を学習している。
本稿では,Deep機能抽出のための自己注意モデルと,スケーラブルな意思決定のためのDRLの利点を生かした,エンドツーエンド学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-09T01:35:48Z) - Task Allocation with Load Management in Multi-Agent Teams [4.844411739015927]
負荷管理を考慮したタスク割り当て学習のための多エージェントチームのための意思決定フレームワークを提案する。
負荷管理がチームのパフォーマンスに与える影響を説明し、例のシナリオでエージェントの振る舞いを探る。
コラボレーションにおけるエージェントの重要性の尺度は、潜在的な過負荷の状況に直面しているときにチームのレジリエンスを推測するために開発されます。
論文 参考訳(メタデータ) (2022-07-17T20:17:09Z) - Innovations in the field of on-board scheduling technologies [64.41511459132334]
本稿では、ミッション自律のためのソフトウェアフレームワークに組み込まれた、オンボードスケジューラを提案する。
スケジューラは線形整数プログラミングに基づいており、ブランチ・アンド・カット・ソルバの使用に依存している。
この技術は地球観測のシナリオでテストされており、その性能を最先端のスケジューリング技術と比較している。
論文 参考訳(メタデータ) (2022-05-04T12:00:49Z) - Uncertainty Quantification and Propagation for Airline Disruption
Management [0.0]
航空会社のスケジューリングプロセスにおける破壊管理は、プロアクティブなプロセスとリアクティブなプロセスに分割することができる。
本稿では,航空事故対策における不確実性を特徴付ける不確実性伝達関数モデル(UTFM)を提案する。
論文 参考訳(メタデータ) (2021-02-09T21:57:04Z) - A game-theoretic analysis of networked system control for common-pool
resource management using multi-agent reinforcement learning [54.55119659523629]
マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。
共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
論文 参考訳(メタデータ) (2020-10-15T14:12:26Z) - Differentially Private Multi-Agent Planning for Logistic-like Problems [70.3758644421664]
本稿では,ロジスティックな問題に対する強力なプライバシ保護計画手法を提案する。
1) 強いプライバシー、完全性、効率性、2) 通信制約に対処する2つの課題に対処する。
我々の知る限り、マルチエージェントプランニングの分野に差分プライバシーを適用したのは、この論文が初めてである。
論文 参考訳(メタデータ) (2020-08-16T03:43:09Z) - On Algorithmic Decision Procedures in Emergency Response Systems in
Smart and Connected Communities [21.22596396400625]
緊急対応管理(ERM)は、世界中のコミュニティが直面している重要な問題である。
我々は、ERMシステムの計画の重要な期間は、事故後ではなく、事故間にあると論じる。
本稿では,ディスパッチ問題の構造を活用・活用する2つの部分分散マルチエージェント計画アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-01-21T07:04:38Z)
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。