論文の概要: Formation control with connectivity assurance for missile swarm: a
natural co-evolutionary strategy approach
- arxiv url: http://arxiv.org/abs/2208.11347v1
- Date: Wed, 24 Aug 2022 07:54:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 12:34:50.362505
- Title: Formation control with connectivity assurance for missile swarm: a
natural co-evolutionary strategy approach
- Title(参考訳): ミサイル群における接続保証による形成制御--自然共進化戦略アプローチ
- Authors: Junda Chen
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Formation control problem is one of the most concerned topics within the
realm of swarm intelligence, which is usually solved by conventional
mathematical approaches. In this paper, however, we presents a metaheuristic
approach that leverages a natural co-evolutionary strategy to solve the
formation control problem for a swarm of missiles. The missile swarm is modeled
by a second-order system with heterogeneous reference target, and exponential
error function is made to be the objective function such that the swarm
converge to optimal equilibrium states satisfying certain formation
requirements. Focusing on the issue of local optimum and unstable evolution, we
incorporate a novel model-based policy constraint and a population adaptation
strategies that greatly alleviates the performance degradation. With
application of the Molloy-Reed criterion in the field of network communication,
we developed an adaptive topology method that assure the connectivity under
node failure and its effectiveness are validated both theoretically and
experimentally. Experimental results valid the effectiveness of the proposed
formation control approach. More significantly, we showed that it is feasible
to treat generic formation control problem as Markov Decision Process(MDP) and
solve it through iterative learning.
- Abstract(参考訳): 生成制御問題は、通常、従来の数学的アプローチによって解決される、群知能の領域における最も関心のあるトピックの1つである。
本稿では,ミサイル群の形成制御問題を解決するために,自然共進化戦略を利用するメタヒューリスティックなアプローチを提案する。
ミサイルSwarmは異種基準目標を持つ第2次システムでモデル化され、指数誤差関数は、Swarmが一定の形成要求を満たす最適な平衡状態に収束する目的関数となる。
局地的最適かつ不安定な進化の問題に着目し,新しいモデルに基づく政策制約と,性能低下を緩和する集団適応戦略を取り入れる。
ネットワーク通信の分野におけるモロイリード基準の適用により,ノード故障時の接続性とその有効性を理論的および実験的に検証する適応トポロジー法を開発した。
提案手法の有効性を実験的に検証した。
さらに,汎用的な生成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した。
関連論文リスト
- Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [94.2860766709971]
統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。
我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
論文 参考訳(メタデータ) (2024-04-04T06:24:11Z) - Gradient-free training of neural ODEs for system identification and
control using ensemble Kalman inversion [0.0]
アンサンブル・カルマン反転(英: Ensemble Kalman inversion、EKI)は、ベイズフレームワーク内の逆問題を解決するために用いられる連続モンテカルロ法である。
本研究では, ニューラル・常微分方程式(ニューラル・オード)の学習におけるEKIの有効性について検討した。
論文 参考訳(メタデータ) (2023-07-15T20:45:50Z) - A Data-Driven Model-Reference Adaptive Control Approach Based on
Reinforcement Learning [4.817429789586126]
ここではモデル参照適応解が自律系に対して開発され、ハミルトン・ヤコビ・ベルマン方程式の誤差に基づく構造を解く。
これは、制御戦略におけるプロセスまたは参照モデルのダイナミクスを知らずにリアルタイムに行われる。
論文 参考訳(メタデータ) (2023-03-17T14:10:52Z) - An Adaptive Fuzzy Reinforcement Learning Cooperative Approach for the
Autonomous Control of Flock Systems [4.961066282705832]
この研究は、群集システムの自律制御に適応的な分散ロバスト性技術を導入している。
比較的柔軟な構造は、様々な目的を同時に狙うオンラインファジィ強化学習スキームに基づいている。
動的障害に直面した場合のレジリエンスに加えて、アルゴリズムはフィードバック信号としてエージェントの位置以上のものを必要としない。
論文 参考訳(メタデータ) (2023-03-17T13:07:35Z) - Cooperative guidance of multiple missiles: a hybrid co-evolutionary
approach [0.9176056742068814]
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。
論文 参考訳(メタデータ) (2022-08-15T12:59:38Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳(メタデータ) (2021-07-08T18:01:02Z) - A Hamiltonian Monte Carlo Method for Probabilistic Adversarial Attack
and Learning [122.49765136434353]
本稿では,HMCAM (Acumulated Momentum) を用いたハミルトニアンモンテカルロ法を提案する。
また, 対数的対数的対数的学習(Contrastive Adversarial Training, CAT)と呼ばれる新たな生成法を提案し, 対数的例の平衡分布にアプローチする。
いくつかの自然画像データセットと実用システムに関する定量的および定性的な解析により、提案アルゴリズムの優位性が確認された。
論文 参考訳(メタデータ) (2020-10-15T16:07:26Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳(メタデータ) (2020-08-19T15:22:15Z) - An Ode to an ODE [78.97367880223254]
我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。
この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
論文 参考訳(メタデータ) (2020-06-19T22:05:19Z) - 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。