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

• A Multiagent Path Search Algorithm for Large-Scale Coalition Structure Generation [61.08720171136229]
  結合構造生成はマルチエージェントシステムにおける基本的な計算問題である。 我々はCSGの多エージェントパス探索アルゴリズムであるSALDAEを開発し、連立構造グラフ上で運用する。
  論文  参考訳（メタデータ） (2025-02-14T15:21:27Z)
• Generative AI-Enhanced Cooperative MEC of UAVs and Ground Stations for Unmanned Surface Vehicles [36.3157805511305]
  無人地上機(USV)は低コストで柔軟な航空サービスを提供している。 地上局(GS)は、複雑なシナリオでUSVを支援するために協力する強力な支援を提供することができる。 本稿では,UAVとGSをベースとした堅牢なマルチアクセスエッジコンピューティングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-12T04:42:59Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Genetic Algorithm Based System for Path Planning with Unmanned Aerial Vehicles Swarms in Cell-Grid Environments [42.72938925647165]
  無人航空機(UAV)の群集を自律的に制御するための経路計画法が勢いを増している。 自律的な運用は労働コストを大幅に削減できるため、現在では複数のUAVを自律的に制御する必要があるシナリオが増えている。 しかし、これらのシナリオの多くは、パスプランニングを複雑にする電力線や木などの障害を含む。 本稿では, 遺伝的アルゴリズムを用いた進化的システムを用いて, 障害のある環境におけるこの問題に対処する。
  論文  参考訳（メタデータ） (2024-12-04T16:24:41Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
  本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。 ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:19:22Z)
• 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)
• 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)
• 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。