論文の概要: UAV 3-D path planning based on MOEA/D with adaptive areal weight adjustment

• arxiv url: http://arxiv.org/abs/2308.10307v1
• Date: Sun, 20 Aug 2023 16:05:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-22 16:19:34.394082
• Title: UAV 3-D path planning based on MOEA/D with adaptive areal weight adjustment
• Title（参考訳）: 適応体重調整によるmoea/dに基づくuav3次元経路計画
• Authors: Yougang Xiao, Hao Yang, Huan Liu, Keyu Wu, Guohua Wu
• Abstract要約: 本稿では、分解(MOEA/D)に基づく改良された多目的進化アルゴリズムを提案する。 アダプティブ・アダルト・ウェイト・アダプティブ・ウェイト・アダプティブ・アダルト・アダプティブ・ウェイト・アダプティブ・アダルト・アダプティブ・アダルト・アダプティブ・アダルト・アダプティブ・アダルト・アダプティブ(AAWA)
• 参考スコア（独自算出の注目度）: 17.374544843778512
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unmanned aerial vehicles (UAVs) are desirable platforms for time-efficient and cost-effective task execution. 3-D path planning is a key challenge for task decision-making. This paper proposes an improved multi-objective evolutionary algorithm based on decomposition (MOEA/D) with an adaptive areal weight adjustment (AAWA) strategy to make a tradeoff between the total flight path length and the terrain threat. AAWA is designed to improve the diversity of the solutions. More specifically, AAWA first removes a crowded individual and its weight vector from the current population and then adds a sparse individual from the external elite population to the current population. To enable the newly-added individual to evolve towards the sparser area of the population in the objective space, its weight vector is constructed by the objective function value of its neighbors. The effectiveness of MOEA/D-AAWA is validated in twenty synthetic scenarios with different number of obstacles and four realistic scenarios in comparison with other three classical methods.
• Abstract（参考訳）: 無人航空機(UAV)は、時間効率とコスト効率のよいタスク実行のためのプラットフォームである。 3Dパスプランニングはタスク決定の重要な課題である。 本稿では,高度分解(moea/d)と適応的アレルウェイト調整(aawa)を併用した多目的進化アルゴリズムを提案する。 AAWAはソリューションの多様性を改善するために設計されている。 より具体的には、AAWAはまず、混み合った個体とその重量ベクトルを現在の人口から取り除き、その後、外的エリート集団から現在の人口に疎い個体を追加する。 新たに加わった個体が対象空間内の人口のスペーサー領域に向かって進化できるように、その重みベクトルはその隣人の目的関数値によって構成される。 MOEA/D-AAWAの有効性は、他の3つの古典的手法と比較して、障害の数が異なる20の合成シナリオと4つの現実的シナリオで検証される。

関連論文リスト

• Anti-Jamming Path Planning Using GCN for Multi-UAV [0.0]
  UAVスワーミングの有効性は、ジャミング技術によって著しく損なわれる可能性がある。 UAV群集が集団知能を利用してジャム領域を予測する手法が提案されている。 マルチエージェント制御アルゴリズムを使用して、UAVスワムを分散し、ジャミングを回避し、ターゲットに到達すると再グループ化する。
  論文  参考訳（メタデータ） (2024-03-13T07:28:05Z)
• A deep reinforcement learning approach to assess the low-altitude airspace capacity for urban air mobility [0.0]
  都市空力は、低高度空域を利用して高速で安全な旅行手段を提供することを目的としている。 当局は現在も、都市空輸に適用される新しい飛行規則の見直しに取り組んでいる。 深い強化学習アプローチと深い決定論的政策勾配アルゴリズムを用いて,自律型UAV経路計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-23T23:38:05Z)
• Trajectory Design for UAV-Based Internet-of-Things Data Collection: A Deep Reinforcement Learning Approach [93.67588414950656]
  本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。 本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。 シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-23T03:33:29Z)
• Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
  UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。 エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。 UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
  論文  参考訳（メタデータ） (2021-03-03T20:54:19Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• Multi-Agent Deep Reinforcement Learning Based Trajectory Planning for Multi-UAV Assisted Mobile Edge Computing [99.27205900403578]
  無人航空機(UAV)支援移動エッジコンピューティング(MEC)フレームワークを提案する。 我々は,全ユーザ機器(UE)の地理的公正性と,各UAVのUE負荷の公平性を共同で最適化することを目的としている。 提案手法は他の従来のアルゴリズムよりもかなり性能が高いことを示す。
  論文  参考訳（メタデータ） (2020-09-23T17:44:07Z)
• Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
  複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。 建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
  論文  参考訳（メタデータ） (2020-04-25T22:54:35Z)
• Bypassing or flying above the obstacles? A novel multi-objective UAV path planning problem [0.0]
  本研究では,衝突のない離散型ドローン経路計画問題に対する新しい整数プログラミングモデルを提案する。 本研究は, 障害物をバイパスしたり, 上空を飛んだりする可能性を考慮して, 経路長, エネルギー消費, 最大経路リスクを同時に最小化することを目的とする。
  論文  参考訳（メタデータ） (2020-04-12T13:42:05Z)
• Autonomous UAV Navigation: A DDPG-based Deep Reinforcement Learning Approach [1.552282932199974]
  深層強化学習を用いた自律型UAV経路計画フレームワークを提案する。 目的は、自力で訓練されたUAVを空飛ぶ移動体ユニットとして使用し、空間的に分散した移動または静的な目標に到達することである。
  論文  参考訳（メタデータ） (2020-03-21T19:33:00Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)
• Three Dimensional Route Planning for Multiple Unmanned Aerial Vehicles using Salp Swarm Algorithm [0.0]
  ルートプランニングは、あるスタート地点から目的地のゴール地点までの一連の翻訳と回転のステップである。 提案手法は,それぞれ平均コストと全体の時間を1.25%と6.035%改善する。
  論文  参考訳（メタデータ） (2019-11-24T12:36:18Z)

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。