論文の概要: Optimising Urban Flood Resilience

• arxiv url: http://arxiv.org/abs/2604.18620v1
• Date: Fri, 17 Apr 2026 21:19:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.363783
• Title: Optimising Urban Flood Resilience
• Title（参考訳）: 都市フラッドレジリエンスの最適化
• Authors: James Mckenna, Christos Iliadis, Vassilis Glenis,
• Abstract要約: Blue-Green Infrastructure (BGI) は洪水リスクを管理するための持続可能なソリューションを提供する。 本研究では,最先端の流体力学モデルとベスポーク進化アルゴリズムを結合した新しい多目的最適化ツールを提案する。
• 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: Due to the increasing frequency and severity of storm events, driven by the escalation of anthropogenic climate change and urban expansion, there is a requirement for increasingly efficient flood risk management strategies. While Blue-Green Infrastructure (BGI) offers a sustainable solution for managing flood risk, optimal implementation is challenging. To help overcome this challenge, this study presents a novel multi-objective optimisation tool that couples a state-of-the-art hydrodynamic model with a bespoke evolutionary algorithm. The use of a fully dynamic hydrodynamic model enables the tool to accurately evaluate the effectiveness of proposed BGI features with respect to property scale flood vulnerability and hazard analysis. This contrasts with alternative approaches which utilise simplified models, which can only reliably predict inundation extents, thus the proposed optimisation tool provides greater certainty regarding the optimality of the solutions. As a hydrodynamic simulation is required to evaluate each candidate solution, the bespoke evolutionary algorithm is specifically designed to minimise the number of simulations required, ensuring the tool is computationally practical. The effectiveness of the tool in this regard is validated via the derivation of exact convergence measures, for a tractable search space, and via comparisons with benchmark algorithms, for an intractable search space. Compared with traditional design practices, the proposed tool offers an automated approach capable of efficiently exploring a wide range of solutions, providing decision-makers with a set of optimal solutions from which they can make informed investment decisions. The presented methods provide a robust framework for optimising a variety of BGI features in complex urban environments.
• Abstract（参考訳）: 人為的気候変動と都市拡大のエスカレーションにより、嵐の発生頻度と深刻度が増大しているため、より効率的な洪水リスク管理戦略が要求される。 Blue-Green Infrastructure (BGI)は洪水リスクを管理するための持続可能なソリューションを提供するが、最適な実装は難しい。 この課題を克服するために、本研究では、最先端の流体力学モデルとベスポーク進化アルゴリズムを結合した、新しい多目的最適化ツールを提案する。 フルダイナミック・ダイナミック・ダイナミック・モデルを用いることで,提案したBGI機能の有効性を,不動産規模洪水の脆弱性やハザード解析に関して正確に評価することができる。 これは、単純化されたモデルを利用する別のアプローチとは対照的であり、これは浸水範囲を確実に予測することしかできないため、提案した最適化ツールは、解の最適性についてより確実性を提供する。 流体力学シミュレーションが各候補解を評価するために必要となるため、このベスパイク進化アルゴリズムは、必要となるシミュレーションの数を最小限に抑え、ツールが計算学的に実用的であることを保証するために特別に設計されている。 この点におけるツールの有効性は、正確な収束測定の導出、トラクタブル検索空間の導出、トラクタブル検索空間のベンチマークアルゴリズムとの比較により検証される。 従来の設計手法と比較して、提案するツールは、幅広いソリューションを効率的に探索できる自動化されたアプローチを提供し、意思決定者に最適なソリューションセットを提供し、そこからインフォームドインベストメント決定を行うことができる。 提案手法は,複雑な都市環境における多様なBGI特徴を最適化するための堅牢なフレームワークを提供する。

関連論文リスト

• Optimal Control of Microswimmers for Trajectory Tracking Using Bayesian Optimization [0.10705399532413612]
  マイクロスウィマーの軌道追跡は、マイクロロボティクスにおける重要な課題である。 B-スプラインパラメトリゼーションとベイズ最適化を組み合わせた最適制御問題として軌道追跡問題を定式化する。
  論文  参考訳（メタデータ） (2026-02-10T09:14:32Z)
• TCPO: Thought-Centric Preference Optimization for Effective Embodied Decision-making [75.29820290660065]
  本稿では,効果的な具体的意思決定のための思考中心推論最適化(TCPO)を提案する。 モデルの中間的推論プロセスの整合性を強調し、モデル劣化の問題を緩和する。 ALFWorld環境での実験では、平均成功率は26.67%であり、RL4VLMよりも6%向上している。
  論文  参考訳（メタデータ） (2025-09-10T11:16:21Z)
• Preference Optimization for Combinatorial Optimization Problems [54.87466279363487]
  強化学習(Reinforcement Learning, RL)は、ニューラルネットワーク最適化のための強力なツールとして登場した。 大幅な進歩にもかかわらず、既存のRLアプローチは報酬信号の減少や大規模な行動空間における非効率な探索といった課題に直面している。 統計的比較モデルを用いて定量的報酬信号を定性的選好信号に変換する新しい手法であるPreference Optimizationを提案する。
  論文  参考訳（メタデータ） (2025-05-13T16:47:00Z)
• A Hybrid Tabu Scatter Search Algorithm for Simulation-Based Optimization of Multi-Objective Runway Operations Scheduling [0.0]
  Dissertationは、滑走路運用スケジューリングのためのシミュレーションベースの最適化(SbO)アプローチを提案することで、航空交通フロー管理の課題に対処する。 目的は、遅延、燃料消費、環境への影響を最小限に抑えつつ、空港の容量利用を最適化することである。 提案するSbOフレームワークは,滑走路条件を扱う離散イベントシミュレーションモデルと,最適解を特定するためのハイブリッドタブ・散乱探索アルゴリズムを統合した。
  論文  参考訳（メタデータ） (2025-02-08T14:42:05Z)
• A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
  大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。 これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。 本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
  論文  参考訳（メタデータ） (2024-12-18T14:11:15Z)
• 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)
• DADO -- Low-Cost Query Strategies for Deep Active Design Optimization [1.6298921134113031]
  我々は,多目的設計最適化問題における計算コストを削減するために,自己最適化のための2つの選択戦略を提案する。 我々は流体力学の領域から大規模データセットの戦略を評価し、モデルの性能を決定するために2つの新しい評価指標を導入する。
  論文  参考訳（メタデータ） (2023-07-10T13:01:27Z)
• The multi-objective optimisation of breakwaters using evolutionary approach [62.997667081978825]
  工学的な実践では、港や海岸の既存の保護施設の有効性を高めることがしばしば必要である。 本稿では, ブレークウォーター最適化のための多目的進化的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-06T21:48:01Z)
• 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。