論文の概要: Evolutionary Biparty Multiobjective UAV Path Planning: Problems and Empirical Comparisons
- arxiv url: http://arxiv.org/abs/2603.21544v1
- Date: Mon, 23 Mar 2026 03:57:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.473298
- Title: Evolutionary Biparty Multiobjective UAV Path Planning: Problems and Empirical Comparisons
- Title（参考訳）: 進化的双方向多目的UAV経路計画:問題と実証的比較
- Authors: Kesheng Chen, Wenjian Luo, Xin Lin, Zhen Song, Yatong Chang,
- Abstract要約: 無人航空機(UAV)は都市ミッションで広く使用されている。
効率部門と安全部門の両方にかかわる双方向多目的UAV経路計画(BPMO-UAVPP)の問題をモデル化した。
- 参考スコア（独自算出の注目度）: 7.683717012815272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unmanned aerial vehicles (UAVs) have been widely used in urban missions, and proper planning of UAV paths can improve mission efficiency while reducing the risk of potential third-party impact. Existing work has considered all efficiency and safety objectives for a single decision-maker (DM) and regarded this as a multiobjective optimization problem (MOP). However, there is usually not a single DM but two DMs, i.e., an efficiency DM and a safety DM, and the DMs are only concerned with their respective objectives. The final decision is made based on the solutions of both DMs. In this paper, for the first time, biparty multiobjective UAV path planning (BPMO-UAVPP) problems involving both efficiency and safety departments are modeled. The existing multiobjective immune algorithm with nondominated neighbor-based selection (NNIA), the hybrid evolutionary framework for the multiobjective immune algorithm (HEIA), and the adaptive immune-inspired multiobjective algorithm (AIMA) are modified for solving the BPMO-UAVPP problem, and then biparty multiobjective optimization algorithms, including the BPNNIA, BPHEIA, and BPAIMA, are proposed and comprehensively compared with traditional multiobjective evolutionary algorithms and typical multiparty multiobjective evolutionary algorithms (i.e., OptMPNDS and OptMPNDS2). The experimental results show that BPAIMA performs better than ordinary multiobjective evolutionary algorithms such as NSGA-II and multiparty multiobjective evolutionary algorithms such as OptMPNDS, OptMPNDS2, BPNNIA and BPHEIA.
- Abstract（参考訳）: 無人航空機(UAV)は都市部でのミッションで広く使われており、UAV経路の適切な計画では、ミッション効率を向上させるとともに、潜在的サードパーティによる影響のリスクを低減することができる。
既存の作業は、単一の意思決定者(DM)に対する効率性と安全性を考慮し、これを多目的最適化問題(MOP)と見なしている。
しかしながら、通常1つのDMはなく、2つのDM、すなわち効率DMと安全DMが存在し、DMはそれぞれの目的にのみ関係している。
最終決定は、両方のDMの解に基づいて下される。
本稿では,効率と安全性の両方にかかわる双方向多目的UAV経路計画(BPMO-UAVPP)問題をモデル化した。
既存の多目的免疫アルゴリズム(NNIA)、多目的免疫アルゴリズム(HEIA)のハイブリッド進化フレームワーク、および適応型免疫誘導型多目的免疫アルゴリズム(AIMA)をBPMO-UAVPP問題を解決するために修正し、BPNNIA、BPHEIA、BPAIMAを含む双方向多目的最適化アルゴリズムを従来の多目的進化アルゴリズムや典型的な多目的進化アルゴリズム(OPtMPNDS、OPtMPNDS2)と総括的に比較して提案する。
実験の結果, BPAIMAはNSGA-IIやOPtMPNDS, OptMPNDS2, BPNNIA, BPHEIAなどの多目的進化アルゴリズムよりも優れていた。
関連論文リスト
- LLM4CMO: Large Language Model-aided Algorithm Design for Constrained Multiobjective Optimization [54.35609820607923]
大規模言語モデル(LLM)は、アルゴリズム設計を支援する新しい機会を提供する。
LLM4CMOは,2つの人口構成をもつ2段階のフレームワークをベースとした新しいCMOEAである。
LLMは複雑な進化最適化アルゴリズムの開発において効率的な共同設計者として機能する。
論文 参考訳（メタデータ） (2025-08-16T02:00:57Z) - Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。
今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。
タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文 参考訳（メタデータ） (2025-01-11T02:32:42Z) - UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。
ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:19:22Z) - Current Effect-eliminated Optimal Target Assignment and Motion Planning
for a Multi-UUV System [4.62588687215906]
本稿では,海流がもたらす複雑さと課題に対処する革新的なアプローチ(CBNNTAP)を提案する。
バイオインスパイアされたニューラルネットワーク(BINN)アプローチを取り入れ、個々のUUVの最も効率的なパスを予測する。
CBNNTAPアルゴリズムにおける重要な革新は、海流の破壊的な影響に対処する能力である。
論文 参考訳（メタデータ） (2024-01-10T19:38:25Z) - Beyond One-Preference-Fits-All Alignment: Multi-Objective Direct Preference Optimization [76.09576643028362]
複数のアライメント目的に対してMODPO(Multi-Objective Direct Preference Optimization)を提案する。
MODPOは、言語モデリングを直接報酬モデルに折り畳み、暗黙の集団報酬モデルとして言語モデルを訓練する。
理論的には MORLHF と同じ最適解が得られるが、実質的にはより安定で効率的である。
論文 参考訳（メタデータ） (2023-10-05T17:35:26Z) - Evolutionary Multiparty Distance Minimization [13.552748117124278]
マルチパーティ多目的最適化問題 (MPMOP) は、複数の意思決定者が関与するMOPを記述するために提案される。
本稿では距離最小化問題(DMP)に基づく一連のMPMOPを構成する。
提案するアルゴリズムであるOPtMPNDS3は,マルチパーティの初期化手法を用いて個体群の初期化を行い,JADE2演算子を用いて子孫を生成する。
論文 参考訳（メタデータ） (2022-07-27T09:17:58Z) - Interactive Evolutionary Multi-Objective Optimization via
Learning-to-Rank [8.421614560290609]
本稿では,関心の解(SOI)を対話的に見つけるために,嗜好に基づくEMOアルゴリズムを設計するためのフレームワークを開発する。
EMOの中核となる考え方は、人間をEMOのループに巻き込むことだ。何回か繰り返すと、DMは数人の現職候補者に対してフィードバックを求めるよう招待される。
このような情報を集めることで、彼女の好みは学習からランクまでニューラルネットワークによって徐々に学習され、次にベースラインEMOアルゴリズムを導出するために応用される。
論文 参考訳（メタデータ） (2022-04-06T06:34:05Z) - Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT
Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement
Learning Approach [56.84948632954274]
本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。
本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。
提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
論文 参考訳（メタデータ） (2021-12-20T15:45:28Z) - Multi-Agent Deep Reinforcement Learning Based Trajectory Planning for
Multi-UAV Assisted Mobile Edge Computing [99.27205900403578]
無人航空機(UAV)支援移動エッジコンピューティング(MEC)フレームワークを提案する。
我々は,全ユーザ機器(UE)の地理的公正性と,各UAVのUE負荷の公平性を共同で最適化することを目的としている。
提案手法は他の従来のアルゴリズムよりもかなり性能が高いことを示す。
論文 参考訳（メタデータ） (2020-09-23T17:44:07Z) - Decomposition in Decision and Objective Space for Multi-Modal
Multi-Objective Optimization [15.681236469530397]
多モード多目的最適化問題(MMMOP)はパレート最適集合内に複数の部分集合を持つ。
一般的な多目的進化的アルゴリズムは、複数の解部分集合を探索するために純粋に設計されていないが、MMMOP向けに設計されたアルゴリズムは、目的空間における劣化した性能を示す。
これは、MMMOPに対処するためのより良いアルゴリズムの設計を動機付けている。
論文 参考訳（メタデータ） (2020-06-04T03:18:47Z) - Hybrid Adaptive Evolutionary Algorithm for Multi-objective Optimization [0.0]
本稿では、MoHAEAと呼ばれるハイブリッド適応進化アルゴリズム(HAEA)の拡張として、新しい多目的アルゴリズムを提案する。
MoHAEAは、MOEA/D、pa$lambda$-MOEA/D、MOEA/D-AWA、NSGA-IIの4つの状態と比較される。
論文 参考訳（メタデータ） (2020-04-29T02:16:49Z)
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。