論文の概要: Cooperative guidance of multiple missiles: a hybrid co-evolutionary approach

• arxiv url: http://arxiv.org/abs/2208.07156v1
• Date: Mon, 15 Aug 2022 12:59:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-16 14:08:30.770424
• Title: Cooperative guidance of multiple missiles: a hybrid co-evolutionary approach
• Title（参考訳）: 複数のミサイルの協調誘導--ハイブリッド共進化的アプローチ
• Authors: Junda Chen, Xuejing Lan, Zhijia Zhao, Tao Zou
• Abstract要約: 複数のミサイルの協調誘導は、厳密な時間と宇宙の合意の制約を伴う課題である。 本稿では,非定常性と協調指導が直面する継続的制御の問題に対処する,新たな自然共進化戦略(NCES)を開発する。 高度にスケーラブルな共進化的メカニズムと従来の指導戦略を統合することで,ハイブリッド共同進化的協調指導法(HCCGL)を提案する。
• 参考スコア（独自算出の注目度）: 0.9176056742068814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cooperative guidance of multiple missiles is a challenging task with rigorous constraints of time and space consensus, especially when attacking dynamic targets. In this paper, the cooperative guidance task is described as a distributed multi-objective cooperative optimization problem. To address the issues of non-stationarity and continuous control faced by cooperative guidance, the natural evolutionary strategy (NES) is improved along with an elitist adaptive learning technique to develop a novel natural co-evolutionary strategy (NCES). The gradients of original evolutionary strategy are rescaled to reduce the estimation bias caused by the interaction between the multiple missiles. Then, a hybrid co-evolutionary cooperative guidance law (HCCGL) is proposed by integrating the highly scalable co-evolutionary mechanism and the traditional guidance strategy. Finally, three simulations under different conditions demonstrate the effectiveness and superiority of this guidance law in solving cooperative guidance tasks with high accuracy. The proposed co-evolutionary approach has great prospects not only in cooperative guidance, but also in other application scenarios of multi-objective optimization, dynamic optimization and distributed control.
• Abstract（参考訳）: 複数のミサイルの協調的誘導は、時間と空間のコンセンサス、特に動的標的を攻撃する場合の厳密な制約を伴う困難な課題である。 本稿では,分散多目的協調最適化問題として協調誘導タスクを記述する。 協調指導によって直面する非定常性と連続制御の問題に対処するために、エリート適応学習技術とともに自然進化戦略(nes)を改善し、新たな自然共進化戦略(nces)を開発する。 元の進化戦略の勾配は、複数のミサイル間の相互作用による推定バイアスを減らすために再スケールされる。 次に,高度にスケーラブルな共進化機構と従来の指導戦略を統合することにより,ハイブリッド共進化協調指導法(hccgl)を提案する。 最後に, 異なる条件下での3つのシミュレーションにより, 協調指導課題の高精度解法の有効性と優越性を示す。 提案手法は,協調的指導だけでなく,多目的最適化,動的最適化,分散制御といった応用シナリオにおいても大きな期待が持たれている。

関連論文リスト

• CaPo: Cooperative Plan Optimization for Efficient Embodied Multi-Agent Cooperation [98.11670473661587]
  CaPoは,1)メタプラン生成,2)プログレッシブなメタプランと実行の2つのフェーズで協調効率を向上する。 3Dworld Multi-Agent TransportとCommunicative Watch-And-Helpタスクの実験結果は、CaPoが最先端技術と比較してタスク完了率と効率をはるかに高めることを示した。
  論文  参考訳（メタデータ） (2024-11-07T13:08:04Z)
• Multi-task multi-constraint differential evolution with elite-guided knowledge transfer for coal mine integrated energy system dispatching [9.050846217690856]
  既存の制約付き多目的進化アルゴリズムは、複数の小さく不規則な実現可能な領域を見つけるのに苦労している。 本稿では、分散相関ドメイン知識を組み込んだマルチタスク進化アルゴリズムフレームワークを開発する。 石炭鉱山統合エネルギーシステムのケーススタディにおいて, 実現可能性, 収束性, 多様性に関する提案アルゴリズムを実証した。
  論文  参考訳（メタデータ） (2024-06-29T10:00:16Z)
• Joint Demonstration and Preference Learning Improves Policy Alignment with Human Feedback [58.049113055986375]
  我々は、報酬モデルとポリシーをトレーニングするために、AIHF(Alignment with Integrated Human Feedback)と呼ばれる単一ステージアプローチを開発する。 提案した手法は、一般的なアライメントアルゴリズムに容易に還元し、活用できる、効率的なアルゴリズムの集合を認めている。 本研究では,LLMにおけるアライメント問題と,MuJoCoにおけるロボット制御問題を含む広範な実験により,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-06-11T01:20:53Z)
• Gradient Based Hybridization of PSO [1.1059341532498634]
  Particle Swarm Optimization (PSO) は、過去30年間にわたって、強力なメタヒューリスティックなグローバル最適化アプローチとして現れてきた。 PSOは、単一目的シナリオにおける早期の停滞や、探索と搾取のバランスを取る必要性といった課題に直面している。 多様なパラダイムから確立された最適化手法と協調的な性質を統合することでPSOをハイブリダイズすることは、有望な解決策となる。
  論文  参考訳（メタデータ） (2023-12-15T11:26:36Z)
• Context-Aware Bayesian Network Actor-Critic Methods for Cooperative Multi-Agent Reinforcement Learning [7.784991832712813]
  本稿では, エージェントの行動選択の相関関係を, 共同政策に導入するベイズネットワークを提案する。 本研究では,コンテキスト認識型ベイズ型ネットワークポリシを学習するための実用的なアルゴリズムを開発した。 MARLベンチマークの実証結果は,我々のアプローチの利点を示している。
  論文  参考訳（メタデータ） (2023-06-02T21:22:27Z)
• Stateful active facilitator: Coordination and Environmental Heterogeneity in Cooperative Multi-Agent Reinforcement Learning [71.53769213321202]
  環境の調整レベルと不均一度の概念を定式化する。 異なるMARLアプローチの実証評価を容易にするマルチエージェント環境のスイートであるHECOGridを提案する。 本研究では,エージェントが高配向環境と高配向環境において効率的に作業することを可能にする訓練分散実行学習手法を提案する。
  論文  参考訳（メタデータ） (2022-10-04T18:17:01Z)
• Formation control with connectivity assurance for missile swarm: a natural co-evolutionary strategy approach [0.0]
  本稿では,ミサイル群の形成制御問題を解決するために,自然共進化戦略を活用するメタヒューリスティックアプローチを提案する。 局所的最適と不安定な進化の問題に焦点をあてて、我々は新しいモデルに基づく政策制約を取り入れた。 本稿では,ジェネリックフォーメーション制御問題をマルコフ決定過程(MDP)として扱い,反復学習により解くことが可能であることを示す。
  論文  参考訳（メタデータ） (2022-08-24T07:54:06Z)
• Accelerated Federated Learning with Decoupled Adaptive Optimization [53.230515878096426]
  フェデレートドラーニング(FL)フレームワークは、クライアント上のトレーニングデータのプライバシを維持しながら、共有モデルを協調的に学習することを可能にする。 近年,SGDM,Adam,AdaGradなどの集中型適応最適化手法をフェデレートした設定に一般化するためのイテレーションが多数実施されている。 本研究は、常微分方程式(ODE)のダイナミクスの観点から、FLの新しい適応最適化手法を開発することを目的としている。
  論文  参考訳（メタデータ） (2022-07-14T22:46:43Z)
• Multi-Agent Reinforcement Learning for Unmanned Aerial Vehicle Coordination by Multi-Critic Policy Gradient Optimization [16.6182621419268]
  農業、災害管理、捜索および救助活動、商業および軍事用途では、ドローンの艦隊を適用する利点は、自律的に協力する能力に由来します。 本稿では,政策ネットワークの安定的な更新と報酬信号開発における類似性を実現するマルチエージェント強化学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-31T07:00:44Z)
• EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
  EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。 これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。 その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
  論文  参考訳（メタデータ） (2020-07-09T10:19:22Z)
• 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)

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。