文献

J-GLOBAL ID：202002234526592592   整理番号：20A2460330

救助応用のための時間窓を持つチームオリエンテーリング問題のための新しいハイブリッドアルゴリズム【JST・京大機械翻訳】

Novel hybrid algorithm for Team Orienteering Problem with Time Windows for rescue applications

著者 (3件)： Saeedvand Saeed (Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran) ,  Aghdasi Hadi S. (Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran) ,  Baltes Jacky (Department of Electrical Engineering, National Taiwan Normal University, Taipei, Taiwan)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 96  ページ： Null  発行年： 2020年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 災害後の救助操作のためのロボットは,災害後の寿命を節約し,経済的損失を低減する可能性を有する興味深い挑戦的な研究問題である。著者らは,救助ロボットのチームのためのタスク割当における問題をモデル化するために,一般的なTOPTWモデルの拡張であるTOPTWRを開発した。著者らのハイブリッドアルゴリズムは,5つの目的(タスク報酬,タスク完了時間,総エネルギー,単一ロボットのための最大エネルギー消費,およびデッドラインペナルティを見逃す)を最適化を試みる,異種ヒューマノイドロボットのチームに基づいている。これらの種類の問題を解決する一般的アプローチは多目的進化アルゴリズム(MOEA)であるが,それらの主要な欠点は,それらが動的環境を容易に取り扱うことができないことである。本論文は,MOEAを学習アルゴリズムと組み合わせることによって,TOPTWRのための効率的解法を提示した。最新の最先端のNSGA-IIIアルゴリズムを用いて,新しい拡張マルチStartシミュレーションアニーリング反復局所探索(EMSAILS)演算子を提案した。さらに,Q学習を適用し,環境の変化の可能性とそれらへの反応方法の学習を行った。このアルゴリズム,HMO-TOPTWR-NSGA-III(HMO-N-L)は,巨大な状態と行動空間を扱いやすいように,関数近似器として人工ニューラルネットワーク(ANN)を使用する。本論文は,静的および動的環境における多目的アルゴリズムの有効性を示す完全な経験的評価を含む。評価は,提案アルゴリズムが,TOPTW(HMO-N,MSA,およびIPI)に対する3つの最先端の手法に対して,誤差を42%まで低減することを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  ロボット ,  ニューラルネットワーク ,  関数近似 ,  応用プログラム ,  ペナルティ ,  学習アルゴリズム ,  近傍探索法
準シソーラス用語： *時間窓 ,  タスク割当 ,  Q学習 ,  レスキューロボット ,  動的環境 ,  *ハイブリッドアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： チーム指向問題 ,  ヒューマノイドロボット ,  多目的最適化 ,  救助アプリケーション ,  Q学習

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (5件)： 救助 ,  応用 ,  時間窓 ,  問題 ,  ハイブリッドアルゴリズム