論文の概要: Evolutionary Greedy Algorithm for Optimal Sensor Placement Problem in Urban Sewage Surveillance
- arxiv url: http://arxiv.org/abs/2409.16770v1
- Date: Wed, 25 Sep 2024 09:27:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 04:40:43.972527
- Title: Evolutionary Greedy Algorithm for Optimal Sensor Placement Problem in Urban Sewage Surveillance
- Title（参考訳）: 都市下水サーベイランスにおける最適センサ配置問題に対する進化的グレディアルゴリズム
- Authors: Sunyu Wang, Yutong Xia, Huanfa Chen, Xinyi Tong, Yulun Zhou,
- Abstract要約: 本稿では,大規模有向ネットワークの効率的かつ効率的な最適化を実現するために,新しい進化的欲求アルゴリズム(EG)を提案する。
提案手法は,香港の小規模合成ネットワークと大規模実世界の下水ネットワークの両方で評価される。
- 参考スコア（独自算出の注目度）: 6.133464220178637
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Designing a cost-effective sensor placement plan for sewage surveillance is a crucial task because it allows cost-effective early pandemic outbreak detection as supplementation for individual testing. However, this problem is computationally challenging to solve, especially for massive sewage networks having complicated topologies. In this paper, we formulate this problem as a multi-objective optimization problem to consider the conflicting objectives and put forward a novel evolutionary greedy algorithm (EG) to enable efficient and effective optimization for large-scale directed networks. The proposed model is evaluated on both small-scale synthetic networks and a large-scale, real-world sewage network in Hong Kong. The experiments on small-scale synthetic networks demonstrate a consistent efficiency improvement with reasonable optimization performance and the real-world application shows that our method is effective in generating optimal sensor placement plans to guide policy-making.
- Abstract（参考訳）: 下水監視のための費用対効果の高いセンサー配置計画の設計は、個別のテストの補助として、コスト対効果の高い早期流行の検出を可能にするため、重要な課題である。
しかし、特に複雑なトポロジを持つ大規模下水ネットワークでは、この問題は計算的に解決が難しい。
本稿では、この問題を多目的最適化問題として定式化し、競合する目的を考慮し、大規模有向ネットワークの効率的かつ効率的な最適化を実現するために、新しい進化的欲求アルゴリズム(EG)を提案する。
提案手法は,香港の小規模合成ネットワークと大規模実世界の下水ネットワークの両方で評価される。
小型合成ネットワークにおける実験により,適切な最適化性能を持つ一貫した効率向上を実証し,本手法が政策立案に最適なセンサ配置計画を生成するのに有効であることを示す。
関連論文リスト
- Diffusion Models as Network Optimizers: Explorations and Analysis [71.69869025878856]
生成拡散モデル(GDM)は,ネットワーク最適化の新しいアプローチとして期待されている。
本研究ではまず,生成モデルの本質的な特徴について考察する。
本稿では,識別的ネットワーク最適化よりも生成モデルの利点を簡潔かつ直感的に示す。
論文 参考訳（メタデータ） (2024-11-01T09:05:47Z) - Optimizing Sensor Network Design for Multiple Coverage [0.9668407688201359]
本稿では,より効率的で堅牢なセンサネットワークを設計するgreedy (next-best-view)アルゴリズムの目的関数を提案する。
また、ほぼリアルタイムで計算を行うアルゴリズムを高速化するためのディープラーニングモデルも導入する。
論文 参考訳（メタデータ） (2024-05-15T05:13:20Z) - An Improved Artificial Fish Swarm Algorithm for Solving the Problem of
Investigation Path Planning [8.725702964289479]
多集団差分進化(DE-CAFSA)に基づくカオス人工魚群アルゴリズムを提案する。
適応的な視野とステップサイズ調整を導入し、ランダムな動作を2オプト操作に置き換え、カオス理論と準最適解を導入する。
実験結果から、DECAFSAは、異なる大きさの様々な公開データセット上で、他のアルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-10-20T09:35:51Z) - Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。
ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。
提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
論文 参考訳（メタデータ） (2023-10-10T00:21:10Z) - Efficient and robust Sensor Placement in Complex Environments [1.1421942894219899]
本稿では,複雑な環境下での効率的な監視やコミュニケーションの課題に対処する。
目的を達成するための欲求的アルゴリズムを提案する。
深層学習技術は目的関数の評価を加速するために用いられる。
論文 参考訳（メタデータ） (2023-09-15T17:10:19Z) - Adaptive Consensus: A network pruning approach for decentralized
optimization [0.5432724320036953]
ネットワーク内の各ノードが局所関数を持つネットワークベースの分散最適化問題を考える。
目的は、すべての局所関数の和を最小化するコンセンサス解を集合的に達成することである。
本稿では,通信量を削減する適応的ランダム化通信効率アルゴリズムフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-06T00:28:10Z) - Fighting the curse of dimensionality: A machine learning approach to
finding global optima [77.34726150561087]
本稿では,構造最適化問題におけるグローバル最適化の方法を示す。
特定のコスト関数を利用することで、最適化手順が確立された場合と比較して、グローバルをベストに得るか、最悪の場合、優れた結果を得るかのどちらかを得る。
論文 参考訳（メタデータ） (2021-10-28T09:50:29Z) - Data-Driven Random Access Optimization in Multi-Cell IoT Networks with
NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。
本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。
ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文 参考訳（メタデータ） (2021-01-02T15:21:08Z) - An enhanced simulation-based iterated local search metaheuristic for
gravity fed water distribution network design optimization [0.0]
重力給水ネットワーク設計(WDND)の最適化問題は、水道網の管径を決定することである。
そこで本研究では,高品質な解を求めるために,新たなシミュレーションに基づく反復型局所探索メタヒューリスティックを提案する。
論文 参考訳（メタデータ） (2020-09-02T17:12:46Z) - MineReduce: an approach based on data mining for problem size reduction [58.720142291102135]
本稿では,マイニングパターンを用いて問題サイズの削減を行うMineReduceという手法を提案する。
異種車両ルーティング問題に対するMineReduceの適用について述べる。
論文 参考訳（メタデータ） (2020-05-15T08:49:50Z) - Optimizing Wireless Systems Using Unsupervised and
Reinforced-Unsupervised Deep Learning [96.01176486957226]
無線ネットワークにおけるリソース割り当てとトランシーバーは、通常最適化問題の解決によって設計される。
本稿では,変数最適化と関数最適化の両問題を解くための教師なし・教師なし学習フレームワークを紹介する。
論文 参考訳（メタデータ） (2020-01-03T11:01:52Z)
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。