論文の概要: Auction-based and Distributed Optimization Approaches for Scheduling
Observations in Satellite Constellations with Exclusive Orbit Portions
- arxiv url: http://arxiv.org/abs/2106.03548v1
- Date: Fri, 4 Jun 2021 09:34:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-08 17:39:35.620336
- Title: Auction-based and Distributed Optimization Approaches for Scheduling
Observations in Satellite Constellations with Exclusive Orbit Portions
- Title(参考訳): 排他的軌道配置を持つ衛星コンステレーションにおけるスケジューリング観測のためのオークションベースおよび分散最適化手法
- Authors: Gauthier Picard
- Abstract要約: 本研究では,複数のユーザと衛星による地球観測シナリオに関する問題に対するマルチエージェント割当手法の適用について検討する。
EOSCSPの解法として,分散制約最適化に基づく市場ベース手法と分散問題解決手法を提案する。
これらのコントリビューションは、実大規模または非常に矛盾する観測順序書に基づいて、ランダムに生成されたEOSCSPインスタンス上で実験的に評価される。
- 参考スコア(独自算出の注目度): 0.45687771576879593
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate the use of multi-agent allocation techniques on problems
related to Earth observation scenarios with multiple users and satellites. We
focus on the problem of coordinating users having reserved exclusive orbit
portions and one central planner having several requests that may use some
intervals of these exclusives. We define this problem as Earth Observation
Satellite Constellation Scheduling Problem (EOSCSP) and map it to a Mixed
Integer Linear Program. As to solve EOSCSP, we propose market-based techniques
and a distributed problem solving technique based on Distributed Constraint
Optimization (DCOP), where agents cooperate to allocate requests without
sharing their own schedules. These contributions are experimentally evaluated
on randomly generated EOSCSP instances based on real large-scale or highly
conflicting observation order books.
- Abstract(参考訳): 本研究では,複数ユーザと衛星を用いた地球観測シナリオに関する問題に対するマルチエージェント割当手法の利用について検討する。
我々は、予約された専用軌道部分を持つユーザと、いくつかのリクエストを持つ1つの中央プランナーを連携させる問題に焦点を当てる。
我々は、この問題を地球観測衛星群スケジューリング問題(eoscsp)と定義し、混合整数線形プログラムにマップする。
EOSCSPを解決するために,分散制約最適化(DCOP)に基づく市場ベース手法と分散問題解決手法を提案する。
これらのコントリビューションは、実大規模または非常に矛盾する観測順序書に基づいて、ランダムに生成されたEOSCSPインスタンス上で実験的に評価される。
関連論文リスト
- Scheduling for On-Board Federated Learning with Satellite Clusters [39.78458023920483]
オンボードのフェデレーション学習により、衛星は機械学習モデルを協調的に訓練することができる。
本稿では,衛星間リンクに接続された星座のFLのスケジューリング手法を提案する。
論文 参考訳(メタデータ) (2024-02-14T11:26:30Z) - Entanglement Distribution in Satellite-based Dynamic Quantum Networks [10.445684354981847]
低地球軌道(LEO)衛星は、グローバルな量子情報ネットワークを確立するための魅力的な機会を提供する。
既存の作品では、絡み合いを分散する際に時間とともに衛星の動きを考慮せず、あるいは衛星間リンクに沿って絡み合い分布を許可しない場合が多い。
まず、衛星移動と衛星間リンクの両方を考慮したシステムモデルを定義する。
論文 参考訳(メタデータ) (2023-06-15T06:56:26Z) - Optimal Entanglement Distribution using Satellite Based Quantum Networks [16.797145253236607]
衛星量子通信は、地理的に非常に長距離に分離された地上局間で高品質な量子絡み合いを分散することができる。
この研究は、軌道を公転する衛星の星座を用いて、一対の地上局に二部体の絡み合いを最適に分配することに焦点を当てている。
論文 参考訳(メタデータ) (2022-05-24T20:32:00Z) - Federated learning for LEO constellations via inter-HAP links [0.0]
ローアース・オービット(LEO)衛星星座は近年、急速に展開している。
このような応用に機械学習(ML)を適用するには、画像などの衛星データを地上局(GS)にダウンロードする従来の方法は望ましいものではない。
既存のFLソリューションは、過剰収束遅延や信頼できない無線チャネルといった大きな課題のために、そのようなLEOコンステレーションのシナリオには適さないことを示す。
論文 参考訳(メタデータ) (2022-05-15T08:22:52Z) - 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) - Learning Emergent Random Access Protocol for LEO Satellite Networks [51.575090080749554]
創発的ランダムアクセスチャネルプロトコル(eRACH)と呼ばれるLEO SATネットワークのための新しい許可なしランダムアクセスソリューションを提案する。
eRACHは、非定常ネットワーク環境との相互作用によって生じるモデルフリーなアプローチである。
RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上することを示す。
論文 参考訳(メタデータ) (2021-12-03T07:44:45Z) - A Maximum Independent Set Method for Scheduling Earth Observing
Satellite Constellations [41.013477422930755]
本稿では,衛星スケジューリング問題の解法として,実現不可能なグラフ表現を生成する手法を提案する。
光衛星のスカイサット星座と、最大24個の衛星のシミュレートされた星座の、要求された最大10,000の撮像位置のシナリオでテストされている。
論文 参考訳(メタデータ) (2020-08-15T19:32:21Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳(メタデータ) (2020-05-26T05:39:27Z) - Decentralized MCTS via Learned Teammate Models [89.24858306636816]
本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。
深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
論文 参考訳(メタデータ) (2020-03-19T13:10:20Z) - Agile Earth observation satellite scheduling over 20 years:
formulations, methods and future directions [69.47531199609593]
高度姿勢操作能力を持つアジャイル衛星は、新世代の地球観測衛星(EOS)である
衛星技術の継続的な改善と打ち上げコストの削減により、アジャイルEOS(AEOS)の開発が加速した。
論文 参考訳(メタデータ) (2020-03-13T09:38:40Z)
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。