論文の概要: Monte Carlo Tree Search Satellite Scheduling Under Cloud Cover Uncertainty

• arxiv url: http://arxiv.org/abs/2405.20951v1
• Date: Fri, 31 May 2024 15:50:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-03 13:48:55.097980
• Title: Monte Carlo Tree Search Satellite Scheduling Under Cloud Cover Uncertainty
• Title（参考訳）: モンテカルロ・ツリー・サーチ衛星、雲のカバー不確実性下でのスケジュール決定
• Authors: Justin Norman, Francois Rivest,
• Abstract要約: 本稿では,マルチサテライトコレクションスケジューリング問題(m-SatCSP)に対処する。 雲などの不確実な条件下での衛星群上のタスクスケジューリングを最適化することを目的としている。
• 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: Efficient utilization of satellite resources in dynamic environments remains a challenging problem in satellite scheduling. This paper addresses the multi-satellite collection scheduling problem (m-SatCSP), aiming to optimize task scheduling over a constellation of satellites under uncertain conditions such as cloud cover. Leveraging Monte Carlo Tree Search (MCTS), a stochastic search algorithm, two versions of MCTS are explored to schedule satellites effectively. Hyperparameter tuning is conducted to optimize the algorithm's performance. Experimental results demonstrate the effectiveness of the MCTS approach, outperforming existing methods in both solution quality and efficiency. Comparative analysis against other scheduling algorithms showcases competitive performance, positioning MCTS as a promising solution for satellite task scheduling in dynamic environments.
• Abstract（参考訳）: 衛星資源の動的環境における効率的な利用は、衛星スケジューリングにおいて難しい問題である。 本稿では,雲などの不確実な条件下での衛星群上でのタスクスケジューリングを最適化することを目的とした,マルチ衛星収集スケジューリング問題(m-SatCSP)に対処する。 確率探索アルゴリズムであるモンテカルロ木探索(MCTS)を利用して、MCTSの2つのバージョンを衛星を効率的にスケジュールするために探索した。 ハイパーパラメータチューニングはアルゴリズムの性能を最適化するために行われる。 実験により,MCTS法の有効性が示され,ソリューションの品質と効率の両面で既存手法よりも優れていた。 他のスケジューリングアルゴリズムとの比較分析では、MCTSを動的環境における衛星タスクスケジューリングのための有望なソリューションとして位置づけ、競争性能を示す。

関連論文リスト

• Quantum Optimization Methods for Satellite Mission Planning [0.3252295747842729]
  軌道上の衛星の増大は、それらを効率的に運用する必要性を浮き彫りにしている。 現在の古典的アルゴリズムは、大域的な最適化を見つけられなかったり、実行するのに時間がかかりすぎたりすることが多い。 ここでは、量子コンピューティングの観点からこの問題にアプローチし、有望な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-04-08T13:36:29Z)
• Security-Sensitive Task Offloading in Integrated Satellite-Terrestrial Networks [15.916368067018169]
  本稿では,衛星・地上ネットワーク(ISTN)構造にLEO衛星エッジを配置し,テキストセキュリティに敏感な計算タスクのオフロードを支援することを提案する。 本研究では,タスク割り当ておよびタスクオフロード順序問題を協調最適化問題としてモデル化し,タスクオフロード遅延,エネルギー消費,攻撃回数の最小化と信頼性制約を満たす。
  論文  参考訳（メタデータ） (2024-01-20T07:29:55Z)
• Continuous Monte Carlo Graph Search [61.11769232283621]
  連続モンテカルログラフサーチ(Continuous Monte Carlo Graph Search, CMCGS)は、モンテカルログラフサーチ(MCTS)のオンラインプランニングへの拡張である。 CMCGSは、計画中、複数の州で同じ行動方針を共有することで高いパフォーマンスが得られるという洞察を生かしている。 並列化によってスケールアップすることができ、学習力学モデルによる連続制御においてクロスエントロピー法(CEM)よりも優れている。
  論文  参考訳（メタデータ） (2022-10-04T07:34:06Z)
• An adaptive bi-objective optimization algorithm for the satellite image data downlink scheduling problem considering request split [0.0]
  動的二相衛星画像データダウンリンクスケジューリング問題(D-SIDSP)を導入する。 D-SIDSPは、画像データセグメンテーションと画像データダウンリンクの2つの相互接続操作を動的に結合する。 D-SIDSP を解くために,適応的二目的メメティックアルゴリズム ALNS+NSGA-II を開発した。
  論文  参考訳（メタデータ） (2022-06-28T15:37:34Z)
• A Two-stage Framework and Reinforcement Learning-based Optimization Algorithms for Complex Scheduling Problems [54.61091936472494]
  本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。 スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。 その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
  論文  参考訳（メタデータ） (2021-03-10T03:16:12Z)
• 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)
• Mission schedule of agile satellites based on Proximal Policy Optimization Algorithm [0.0]
  衛星のミッションスケジュールは、近年の宇宙活動において重要な部分である。 本稿では、強化学習アルゴリズムを組み込んで、その問題を記述するための新しい方法を見つける。
  論文  参考訳（メタデータ） (2020-07-05T14:28:44Z)
• 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)
• 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)
• Simulated annealing based heuristic for multiple agile satellites scheduling under cloud coverage uncertainty [1.100580615194563]
  アジャイル衛星は、より強力な姿勢操作能力を持つ新世代の地球観測衛星(EOS)である。 私たちは、クラウドカバレッジの不確実性の下で、複数のアジャイルEOSスケジューリング問題に最初に取り組みました。 大規模観測ミッションにおいて高速挿入戦略を併用した模擬焼鈍を改良した。
  論文  参考訳（メタデータ） (2020-03-14T16:37:26Z)
• Improving a State-of-the-Art Heuristic for the Minimum Latency Problem with Data Mining [69.00394670035747]
  ハイブリッドメタヒューリスティックスは、オペレーション研究のトレンドとなっている。 成功例は、Greedy Randomized Adaptive Search Procedures (GRASP)とデータマイニング技術を組み合わせたものだ。
  論文  参考訳（メタデータ） (2019-08-28T13:12:30Z)

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。