論文の概要: Weighted strategies to guide a multi-objective evolutionary algorithm
for multi-UAV mission planning
- arxiv url: http://arxiv.org/abs/2402.18749v1
- Date: Wed, 28 Feb 2024 23:05:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 16:43:20.907756
- Title: Weighted strategies to guide a multi-objective evolutionary algorithm
for multi-UAV mission planning
- Title（参考訳）: マルチuavミッション計画のための多目的進化アルゴリズム誘導のための重み付け戦略
- Authors: Cristian Ramirez-Atencia and Javier Del Ser and David Camacho
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 12.97430155510359
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Management and mission planning over a swarm of unmanned aerial vehicle (UAV)
remains to date as a challenging research trend in what regards to this
particular type of aircrafts. These vehicles are controlled by a number of
ground control station (GCS), from which they are commanded to cooperatively
perform different tasks in specific geographic areas of interest.
Mathematically the problem of coordinating and assigning tasks to a swarm of
UAV can be modeled as a constraint satisfaction problem, whose complexity and
multiple conflicting criteria has hitherto motivated the adoption of
multi-objective solvers such as multi-objective evolutionary algorithm (MOEA).
The encoding approach consists of different alleles representing the decision
variables, whereas the fitness function checks that all constraints are
fulfilled, minimizing the optimization criteria of the problem. In problems of
high complexity involving several tasks, UAV and GCS, where the space of search
is huge compared to the space of valid solutions, the convergence rate of the
algorithm increases significantly. To overcome this issue, this work proposes a
weighted random generator for the creation and mutation of new individuals. The
main objective of this work is to reduce the convergence rate of the MOEA
solver for multi-UAV mission planning using weighted random strategies that
focus the search on potentially better regions of the solution space. Extensive
experimental results over a diverse range of scenarios evince the benefits of
the proposed approach, which notably improves this convergence rate with
respect to a na\"ive MOEA approach.
- Abstract（参考訳）: 無人航空機(UAV)の群れに対する管理とミッションプランニングは、この特定の種類の航空機に関して挑戦的な研究トレンドとして現在まで続いている。
これらの車両は複数の地上管制局 (GCS) によって制御され、そこから特定の地理的分野において異なるタスクを協調的に遂行するよう指示される。
数学的には、UAVの群にタスクをコーディネートし割り当てる問題は制約満足度問題としてモデル化でき、その複雑性と複数の矛盾する基準が、多目的進化アルゴリズム(MOEA)のような多目的解法の採用を動機付けている。
符号化手法は決定変数を表す異なるアレルから構成される一方、適合関数は全ての制約が満たされていることを確認し、問題の最適化基準を最小化する。
複数のタスク、uavとgcを含む複雑な問題において、有効な解の空間に比べて探索の空間が巨大である場合、アルゴリズムの収束率は著しく増加する。
この問題を克服するため,本研究では,新規個体の作成と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。
本研究の目的は,複数UAVミッション計画におけるMOEAソルバの収束率を,解空間の潜在的に優れた領域に焦点をあてる重み付きランダム戦略を用いて低減することである。
様々なシナリオにわたる広範囲な実験結果は、提案されたアプローチの利点を証明し、na\"ive moeaアプローチに関してこの収束率を特に改善する。
関連論文リスト
- Task-Aware Harmony Multi-Task Decision Transformer for Offline Reinforcement Learning [70.96345405979179]
オフラインマルチタスク強化学習(MTRL)の目的は、オンライン環境相互作用を必要とせず、多様なタスクに適用可能な統一されたポリシーを開発することである。
タスクの内容と複雑さの変化は、政策の定式化において重大な課題を引き起こします。
本稿では,各タスクに対するパラメータの最適な調和部分空間を特定するための新しいソリューションであるHarmoDT(Harmony Multi-Task Decision Transformer)を紹介する。
論文 参考訳（メタデータ） (2024-11-02T05:49:14Z) - 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) - 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 Complex Multi-UAV Mission Planning Problems using
Multi-objective Genetic Algorithms [4.198865250277024]
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。
論文 参考訳（メタデータ） (2024-02-09T16:13:21Z) - Towards Multi-Objective High-Dimensional Feature Selection via
Evolutionary Multitasking [63.91518180604101]
本稿では,高次元特徴選択問題,すなわちMO-FSEMTのための新しいEMTフレームワークを開発する。
タスク固有の知識伝達機構は、各タスクの利点情報を活用するように設計され、高品質なソリューションの発見と効果的な伝達を可能にする。
論文 参考訳（メタデータ） (2024-01-03T06:34:39Z) - 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) - Jump Operator Planning: Goal-Conditioned Policy Ensembles and Zero-Shot
Transfer [71.44215606325005]
本稿では,シーケンシャルなサブゴールタスクの超指数空間における解を高速に計算するための,Jump-Operator Dynamic Programmingという新しいフレームワークを提案する。
このアプローチでは、時間的に拡張された行動として機能する、再利用可能な目標条件付き警察のアンサンブルを制御する。
すると、この部分空間上の目的関数のクラスを、解がグラウンド化に不変であるものとして特定し、最適ゼロショット移動をもたらす。
論文 参考訳（メタデータ） (2020-07-06T05:13:20Z) - 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) - sKPNSGA-II: Knee point based MOEA with self-adaptive angle for Mission
Planning Problems [2.191505742658975]
いくつかの問題には、多くの非支配的な解をもたらす多くの目的がある。
本稿では,最も重要な解を得るために設計された新しいアルゴリズムを提案する。
このアルゴリズムは無人航空機(UAV)ミッション計画問題における実世界の応用に応用されている。
論文 参考訳（メタデータ） (2020-02-20T17:07:08Z) - GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal
Black Box Constraint Satisfaction [69.94831587339539]
本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。
我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
論文 参考訳（メタデータ） (2020-02-17T20:21:20Z)
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。