文献

J-GLOBAL ID：202202240463423990   整理番号：22A0654369

多目的強化学習によるEphemerisモデルにおける低推力移動設計空間の探索【JST・京大機械翻訳】

Exploring the Low-Thrust Transfer Design Space in an Ephemeris Model via Multi-Objective Reinforcement Learning

著者 (4件)： Sullivan Christopher J. (University of Colorado Boulder) ,  Bosanac Natasha (University of Colorado Boulder) ,  Anderson Rodney L. (NASA Jet Propulsion Laboratory) ,  Mashiku Alinda (NASA Goddard Space Flight Center)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 1887  発行年： 2022年 
JST資料番号： H0236B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Multi-Reward Proximal Prime Optimization(MRPPO)は多目的解法空間内の解を明らかにするために多重政策を訓練するために使用される多目的強化学習アルゴリズムである。本論文では,Sun-Earth-MoonシステムにおけるL2近傍からL5短周期軌道までの小Satに対する低推力移動を構築するための政策を訓練するために,MRPPOを用いた。最初に,この政策を,円形制限三体問題において,このシナリオにおいて訓練した。この情報を用いて,高忠実度ephemrisモデルにおける訓練前の政策を初期化した。移動学習として知られるプロセス。解空間の回復したセグメントを,この複雑な設計シナリオにおけるMRPPOの結果を調べ,移動学習の有効性を探索するために,基本的な動的構造と比較する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 設計 ,  *学習 ,  *推力 ,  多重化 ,  短周期 ,  有効性 ,  *強化学習 ,  学習アルゴリズム
準シソーラス用語： *設計空間 ,  解空間 ,  高忠実度 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 強化学習 ,  モデル ,  推力 ,  設計空間 ,  探索