論文の概要: Genetic Algorithm-based Routing and Scheduling for Wildfire Suppression using a Team of UAVs
- arxiv url: http://arxiv.org/abs/2407.19162v1
- Date: Sat, 27 Jul 2024 04:10:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-30 19:31:05.606185
- Title: Genetic Algorithm-based Routing and Scheduling for Wildfire Suppression using a Team of UAVs
- Title（参考訳）: UAVチームによる森林火災抑制のための遺伝的アルゴリズムに基づくルーティングとスケジューリング
- Authors: Josy John, Suresh Sundaram,
- Abstract要約: 本稿では,UAVチームによる早期の山火事対策について論じる。
GARST(Genematic Algorithm-based Routing and Scheduling with Time constraints)を提案する。
- 参考スコア（独自算出の注目度）: 2.491548070992611
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper addresses early wildfire management using a team of UAVs for the mitigation of fires. The early detection and mitigation systems help in alleviating the destruction with reduced resource utilization. A Genetic Algorithm-based Routing and Scheduling with Time constraints (GARST) is proposed to find the shortest schedule route to mitigate the fires as Single UAV Tasks (SUT). The objective of GARST is to compute the route and schedule of the UAVs so that the UAVS reach the assigned fire locations before the fire becomes a Multi UAV Task (MUT) and completely quench the fire using the extinguisher. The fitness function used for the genetic algorithm is the total quench time for mitigation of total fires. The selection, crossover, mutation operators, and elitist strategies collectively ensure the exploration and exploitation of the solution space, maintaining genetic diversity, preventing premature convergence, and preserving high-performing individuals for the effective optimization of solutions. The GARST effectively addresses the challenges posed by the NP-complete problem of routing and scheduling for growing tasks with time constraints. The GARST is able to handle infeasible scenarios effectively, contributing to the overall optimization of the wildfire management system.
- Abstract（参考訳）: 本稿では,UAVチームによる早期の山火事対策について論じる。
早期発見と緩和システムは、資源利用の削減による破壊を緩和するのに役立つ。
遺伝的アルゴリズムに基づく時間制約付きスケジューリング (GARST) を提案し, 単一UAVタスク (SUT) として火災を軽減するための最短スケジュール経路を求める。
GARSTの目的は、UAVSがマルチUAVタスク(MUT)になる前に割り当てられた火の場所に到達するようにUAVのルートとスケジュールを計算し、消火器を使って火災を完全に消火することである。
遺伝的アルゴリズムで使用される適合関数は、全火災を緩和するためのトータルクエンチ時間である。
選択、交叉、突然変異演算子、エリート主義的戦略は、ソリューション空間の探索と利用を集合的に保証し、遺伝的多様性を維持し、早めの収束を防ぎ、ソリューションの効果的な最適化のためにハイパフォーマンスな個人を保存する。
GARSTは、時間制約のあるタスクの成長のためのルーティングとスケジューリングのNP完全問題によって引き起こされる課題に効果的に対処する。
GARSTは実現不可能なシナリオを効果的に処理することができ、山火事管理システムの全体的な最適化に寄与する。
関連論文リスト
- DNN Task Assignment in UAV Networks: A Generative AI Enhanced Multi-Agent Reinforcement Learning Approach [16.139481340656552]
本稿では,マルチエージェント強化学習(MARL)と生成拡散モデル(GDM)を組み合わせた共同手法を提案する。
第2段階では,GDMのリバース・デノナイズ・プロセスを利用して,マルチエージェント・ディープ・Deep Deterministic Policy gradient(MADDPG)におけるアクタネットワークを置き換える新しいDNNタスク割当アルゴリズム(GDM-MADDPG)を導入する。
シミュレーションの結果,提案アルゴリズムは,経路計画,情報化時代(AoI),エネルギー消費,タスク負荷分散の観点から,ベンチマークに比較して良好な性能を示した。
論文 参考訳（メタデータ） (2024-11-13T02:41:02Z) - Maximizing UAV Fog Deployment Efficiency for Critical Rescue Operations [2.575690456356693]
災害シナリオや高高度救助活動では、無人航空機(UAV)を霧のノードとして統合することが重要になっている。
このような環境でUAVを統合することは本質的に困難であり、主な目的は接続性とカバレッジの最大化である。
本稿では,UAVをベースとしたダイナミックな霧の配置を主軸とした新しいモデルを提案する。
論文 参考訳（メタデータ） (2024-02-25T10:32:18Z) - 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) - Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。
本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T12:36:08Z) - Computation Offloading and Resource Allocation in F-RANs: A Federated
Deep Reinforcement Learning Approach [67.06539298956854]
フォグ無線アクセスネットワーク(フォグ無線アクセスネットワーク、F-RAN)は、ユーザのモバイルデバイス(MD)が計算タスクを近くのフォグアクセスポイント(F-AP)にオフロードできる有望な技術である。
論文 参考訳（メタデータ） (2022-06-13T02:19:20Z) - UAV Trajectory Planning in Wireless Sensor Networks for Energy
Consumption Minimization by Deep Reinforcement Learning [4.273341750394231]
無線センサネットワーク(WSN)のデータ収集のための有望なソリューションとして無人航空機(UAV)が登場している。
データ収集の全ラウンドでUAV-WSNシステムの総エネルギー消費を最小化することを目的としている。
本稿では,UAVトラジェクトリポリシの経験から効率よく学習できる新しいディープ強化学習手法,ポインタネットワークA*(Ptr-A*)を提案する。
論文 参考訳（メタデータ） (2021-08-01T03:02:11Z) - 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-Agent Reinforcement Learning in NOMA-aided UAV Networks for
Cellular Offloading [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳（メタデータ） (2020-10-18T20:22:05Z) - A Feedback Scheme to Reorder a Multi-Agent Execution Schedule by
Persistently Optimizing a Switchable Action Dependency Graph [65.70656676650391]
複数の自動誘導車両 (AGV) が共通作業空間をナビゲートし, 様々な作業を行う。
一つのアプローチは、Action Dependency Graph (ADG)を構築し、そのルートに沿って進むとAGVの順序を符号化する。
ワークスペースが人間やサードパーティロボットのような動的障害によって共有されている場合、AGVは大きな遅延を経験することができる。
本稿では,各AGVの経路完了時間を最小限に抑えるために,非循環ADGを繰り返し修正するオンライン手法を提案する。
論文 参考訳（メタデータ） (2020-10-11T14:39:50Z) - Mobile Cellular-Connected UAVs: Reinforcement Learning for Sky Limits [71.28712804110974]
本稿では,UAVの切断時間,ハンドオーバ速度,エネルギー消費を低減するため,MAB(Multi-armed bandit)アルゴリズムを提案する。
それぞれの性能指標(PI)が、適切な学習パラメータの範囲を採用することにより、どのように改善されるかを示す。
論文 参考訳（メタデータ） (2020-09-21T12:35:23Z) - 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)
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。