論文の概要: Solving Complex Multi-UAV Mission Planning Problems using
Multi-objective Genetic Algorithms
- arxiv url: http://arxiv.org/abs/2402.06504v1
- Date: Fri, 9 Feb 2024 16:13:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-12 16:14:39.804957
- Title: Solving Complex Multi-UAV Mission Planning Problems using
Multi-objective Genetic Algorithms
- Title(参考訳): 多目的遺伝的アルゴリズムを用いた複雑なUAVミッション計画問題の解法
- Authors: Cristian Ramirez-Atencia, Gema Bello-Orgaz, Maria D R-Moreno, David
Camacho
- Abstract要約: 本稿では、複雑なミッション計画問題(MPP)を解決するための多目的遺伝的アルゴリズムを提案する。
ソリューションが有効かどうかを確認するために,制約満足度問題(CSP)を用いてハイブリッドフィットネス関数を設計した。
実験の結果、新しいアルゴリズムは優れた解を得ることができるが、問題がより複雑になると、最適解を見つけることも困難になる。
- 参考スコア(独自算出の注目度): 4.198865250277024
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Due to recent booming of UAVs technologies, these are being used in many
fields involving complex tasks. Some of them involve a high risk to the vehicle
driver, such as fire monitoring and rescue tasks, which make UAVs excellent for
avoiding human risks. Mission Planning for UAVs is the process of planning the
locations and actions (loading/dropping a load, taking videos/pictures,
acquiring information) for the vehicles, typically over a time period. These
vehicles are controlled from Ground Control Stations (GCSs) where human
operators use rudimentary systems. This paper presents a new Multi-Objective
Genetic Algorithm for solving complex Mission Planning Problems (MPP) involving
a team of UAVs and a set of GCSs. A hybrid fitness function has been designed
using a Constraint Satisfaction Problem (CSP) to check if solutions are valid
and Pareto-based measures to look for optimal solutions. The algorithm has been
tested on several datasets optimizing different variables of the mission, such
as the makespan, the fuel consumption, distance, etc. Experimental results show
that the new algorithm is able to obtain good solutions, however as the problem
becomes more complex, the optimal solutions also become harder to find.
- Abstract(参考訳): 近年のUAV技術のブームにより、複雑なタスクを含む多くの分野で使用されている。
中には、火災監視や救助作業など、車両の運転者に高いリスクを負うものもあり、UAVは人間のリスクを避けるのに優れている。
無人機のためのミッションプランニング(Mission Planning for UAVs)は、通常、時間をかけて車両の位置と行動(ロード/ドロップ、ビデオ/写真、情報取得)を計画するプロセスである。
これらの車両は地上管制局(gcss)から制御され、人間のオペレーターがルーディメンタリーシステムを使用する。
本稿では,UAVとGCSからなる複雑なミッション計画問題(MPP)を解決するための多目的遺伝的アルゴリズムを提案する。
制約満足度問題(Constraint Satisfaction Problem, CSP)を用いてハイブリッド適合度関数を設計し, 解が有効かどうか, パレート法を用いて最適解を求める。
このアルゴリズムは、メースパン、燃料消費量、距離など、ミッションの異なる変数を最適化するいくつかのデータセット上でテストされている。
実験の結果、新しいアルゴリズムは優れた解を得ることができるが、問題がより複雑になると、最適解を見つけることも困難になる。
関連論文リスト
- Weighted strategies to guide a multi-objective evolutionary algorithm
for multi-UAV mission planning [12.97430155510359]
この研究は、新しい個体の生成と突然変異のための重み付きランダム・ジェネレータを提案する。
この研究の主な目的は、マルチUAVミッション計画のためのMOEAソルバの収束率を下げることである。
論文 参考訳(メタデータ) (2024-02-28T23:05:27Z) - Constrained multi-objective optimization for multi-UAV planning [5.574995936464475]
本研究では,制約満足度問題モデルと組み合わせた多目的進化アルゴリズムを用いてこの問題を解く。
このアルゴリズムは、複雑さを増大させるいくつかのミッションでテストされ、ミッションで考慮された異なる要素の計算複雑性が研究されている。
論文 参考訳(メタデータ) (2024-02-09T17:39:02Z) - Solving the Team Orienteering Problem with Transformers [46.93254771681026]
車両群のためのルートプランニングは、荷物の配送、監視、輸送といった応用において重要な課題である。
本稿では,チームオリエンテーリング問題を高速かつ高精度に解決できる多エージェント経路計画システムを提案する。
論文 参考訳(メタデータ) (2023-11-30T16:10:35Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳(メタデータ) (2021-07-19T12:54:04Z) - 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) - Multi-UAV Path Planning for Wireless Data Harvesting with Deep
Reinforcement Learning [18.266087952180733]
本稿では,データ収集ミッションを定義するシナリオパラメータの深い変化に適応できるマルチエージェント強化学習(MARL)手法を提案する。
提案するネットワークアーキテクチャにより,データ収集タスクを慎重に分割することで,エージェントが効果的に協調できることを示す。
論文 参考訳(メタデータ) (2020-10-23T14:59:30Z) - 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) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳(メタデータ) (2020-05-27T01:10:41Z) - 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) - 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。