文献

J-GLOBAL ID：202202210323238264   整理番号：22A0891370

深層強化学習を用いたレーダ脅威下の戦術UAV経路最適化【JST・京大機械翻訳】

Tactical UAV path optimization under radar threat using deep reinforcement learning

著者 (1件)： Alpdemir M. Nedim (TUEBITAK, Informatics and Information Security Research Center (BILGEM), Gebze/Kocaeli, Turkey)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 7  ページ： 5649-5664  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 再強化学習(RL)設定におけるUAV経路最適化問題を解決することを目的とする研究努力の大部分は,閉鎖空間または都市地域を運転環境として焦点を置いている。敵対レーダ追跡脅威の下のTactical UAV(TUAV)経路計画の問題は,他の典型的UAV経路最適化問題と区別するいくつかの特殊性を持っている。特に,脅威確率によって描写された1-空間領域は,UAVと2-A TUAVのサバイバビリティを損なわない特定の条件下で,レーダ操作周波数,UAVの形状,およびレーダとUAVの間の関与幾何学のような多重パラメータの関数であるレーダによって検出できる。後者は,UAVによって行われた任意の操作が,関与幾何学を指定する多重角度を変えるかもしれないことを示唆する。本論文に提示した研究は,その中に組み込まれた包括的確率的レーダ挙動モデルを有するMarkov決定プロセス(MDP)コンプライアントRL環境を,単一フレームワークにおいて,それに組み込まれた包括的確率的レーダ挙動モデル(すなわち,事前処理経験再生(DQN-PER)によるDQN-PER)により,この複雑な問題に対するRLベースソリューションを提案し,コアRLアルゴリズムおよび機械学習スキームを,学習エージェントの性能をブースティングし,そして,より重要なことに,スパース報酬問題を軽減するために,より重要なことを提示した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 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 ,  幾何学 ,  *最適化 ,  シミュレーション ,  *レーダ ,  前処理 ,  多重化 ,  市街地 ,  機械学習 ,  *強化学習 ,  経路探索
準シソーラス用語： サバイバビリティ ,  ブースティング ,  特異性 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層強化学習 ,  近似動的計画法 ,  UAV経路最適化 ,  機械学習 ,  シミュレーションに基づく最適化 ,  モデリングとシミュレーション

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 深層強化学習 ,  レーダ ,  脅威 ,  戦術 ,  UAV ,  経路最適化