論文の概要: Autonomous Collaborative Scheduling of Time-dependent UAVs, Workers and Vehicles for Crowdsensing in Disaster Response

• arxiv url: http://arxiv.org/abs/2506.04276v1
• Date: Wed, 04 Jun 2025 01:58:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.319157
• Title: Autonomous Collaborative Scheduling of Time-dependent UAVs, Workers and Vehicles for Crowdsensing in Disaster Response
• Title（参考訳）: 災害時のクラウドセンシングのための時間依存型UAV, 労働者, 車両の自律的協調スケジューリング
• Authors: Lei Han, Yitong Guo, Pengfei Yang, Zhiyong Yu, Liang Wang, Quan Wang, Zhiwen Yu,
• Abstract要約: 本稿では、異種多エージェントオンライン協調スケジューリングアルゴリズムHoAs-PALNについて検討する。 HoAs-PALNは、マッチングプロセスと局所ナッシュ平衡ゲームにおける適応次元の減少によって実現される。 ベースラインと比較して、HoAs-PALNはタスク完了率を64.12%、46.48%、16.55%、14.03%改善している。
• 参考スコア（独自算出の注目度）: 18.44231237535367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural disasters have caused significant losses to human society, and the timely and efficient acquisition of post-disaster environmental information is crucial for the effective implementation of rescue operations. Due to the complexity of post-disaster environments, existing sensing technologies face challenges such as weak environmental adaptability, insufficient specialized sensing capabilities, and limited practicality of sensing solutions. This paper explores the heterogeneous multi-agent online autonomous collaborative scheduling algorithm HoAs-PALN, aimed at achieving efficient collection of post-disaster environmental information. HoAs-PALN is realized through adaptive dimensionality reduction in the matching process and local Nash equilibrium game, facilitating autonomous collaboration among time-dependent UAVs, workers and vehicles to enhance sensing scheduling. (1) In terms of adaptive dimensionality reduction during the matching process, HoAs-PALN significantly reduces scheduling decision time by transforming a five-dimensional matching process into two categories of three-dimensional matching processes; (2) Regarding the local Nash equilibrium game, HoAs-PALN combines the softmax function to optimize behavior selection probabilities and introduces a local Nash equilibrium determination mechanism to ensure scheduling decision performance. Finally, we conducted detailed experiments based on extensive real-world and simulated data. Compared with the baselines (GREEDY, K-WTA, MADL and MARL), HoAs-PALN improves task completion rates by 64.12%, 46.48%, 16.55%, and 14.03% on average, respectively, while each online scheduling decision takes less than 10 seconds, demonstrating its effectiveness in dynamic post-disaster environments.
• Abstract（参考訳）: 自然災害は人社会に重大な損失をもたらしており、災害後の環境情報のタイムリーかつ効率的な取得は、救助活動の効果的な実施に不可欠である。 災害後の環境の複雑さのため、既存のセンシング技術は、弱い環境適応性、不十分な特殊感覚能力、センサーソリューションの限られた実用性といった課題に直面している。 本稿では、異種多エージェントオンライン自律協調スケジューリングアルゴリズムであるHoAs-PALNについて検討する。 HoAs-PALNは、マッチングプロセスと局所的なナッシュ均衡ゲームにおいて、適応的な次元性還元によって実現され、時間依存UAV、労働者、車両間の自律的な協調を促進し、センシングスケジューリングを強化する。 1) マッチング過程における適応的次元性低下の観点からは,HoAs-PALNは5次元マッチングプロセスを2つの3次元マッチングプロセスに変換することで,スケジューリング決定時間を著しく短縮する。 最後に,広範囲な実世界とシミュレーションデータに基づく詳細な実験を行った。 ベースライン(GREEDY、K-WTA、MADL、MARL)と比較して、HoAs-PALNはタスク完了率を平均64.12%、46.48%、16.55%、14.03%改善し、各オンラインスケジューリング決定は10秒未満で、動的ポストディスアスター環境での有効性を示す。

関連論文リスト

• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• Switchable Decision: Dynamic Neural Generation Networks [98.61113699324429]
  本稿では,各データインスタンスのリソースを動的に割り当てることで,推論を高速化するスイッチブルな決定を提案する。 提案手法は, 同一の精度を維持しながら, 推論時のコスト低減に有効である。
  論文  参考訳（メタデータ） (2024-05-07T17:44:54Z)
• Optimizing Crowd-Aware Multi-Agent Path Finding through Local Communication with Graph Neural Networks [15.88107215224685]
  混在環境におけるマルチエージェントパス探索 (MAPF) は, 移動計画において困難な問題となる。 本稿では,この問題を解決するために,クラウド対応の分散強化学習手法であるCRAMPを紹介する。 CRAMPは, メースパンと衝突数で測定された溶液品質を最大59%改善し, 従来の方法と比較して最大35%改善した。
  論文  参考訳（メタデータ） (2023-09-19T03:02:43Z)
• Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [55.08287089554127]
  基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。 本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。 提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
  論文  参考訳（メタデータ） (2023-09-04T17:30:21Z)
• Learning to Schedule Heuristics for the Simultaneous Stochastic Optimization of Mining Complexes [2.538209532048867]
  提案したL2P(Learning-to-perturb)ハイパーヒューリスティックは,マルチ隣り合うシミュレートアニールアルゴリズムである。 L2Pは、効率、堅牢性、一般化能力に重点を置いて、いくつかの実世界の鉱業施設で試験されている。 その結果,反復回数を30～50%削減し,計算時間を30～45%削減した。
  論文  参考訳（メタデータ） (2022-02-25T18:20:14Z)
• D2A-BSP: Distilled Data Association Belief Space Planning with Performance Guarantees Under Budget Constraints [6.62472687864754]
  不明瞭で知覚的な環境における未解決のデータアソシエーションは、ロボットの環境状態と環境状態の両方にマルチモーダル仮説をもたらす。 そこで本研究では,BSP問題の解法として,蒸留された仮説のサブセットのみを利用する新しい手法を提案する。 そこで我々は,解の質を損なうことなく,計算時間を著しく短縮する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T11:13:24Z)
• Distributed Visual-Inertial Cooperative Localization [32.49338004445954]
  マルチロボット協調ローカリゼーション(CL)のための一貫性のある分散状態推定器を提案する。 特に、共分散交叉(CI)を活用して、各ロボットが自身の状態と自己共分散だけを追跡できるようにする。 提案した分散CL推定器は,シミュレーションと実世界の実験の両方において,非実時間集中型に対して有効である。
  論文  参考訳（メタデータ） (2021-03-23T18:12:07Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• 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)

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。