文献

J-GLOBAL ID：202202243647366568   整理番号：22A1170625

確率的宇宙飛行キャンペーン設計のための階層的強化学習フレームワーク【JST・京大機械翻訳】

Hierarchical Reinforcement Learning Framework for Stochastic Spaceflight Campaign Design

著者 (3件)： Takubo Yuji (Georgia Institute of Technology, Atlanta, Georgia 30332) ,  Chen Hao (Georgia Institute of Technology, Atlanta, Georgia 30332) ,  Ho Koki (Georgia Institute of Technology, Atlanta, Georgia 30332)
資料名： Journal of Spacecraft and Rockets  (Journal of Spacecraft and Rockets)
巻： 59  号： 2  ページ： 421-433  発行年： 2022年 
JST資料番号： A0461B  ISSN： 1533-6794  CODEN： JSCRAG  資料種別： 逐次刊行物 (A)
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： 本論文は,車両設計,インフラストラクチャ配置計画,および宇宙輸送スケジューリングを含む不確実性の下でのマルチミッション宇宙飛行キャンペーン設計のための階層的強化学習アーキテクチャを開発した。この問題は高次元設計空間を含み,特に不確実性が存在する。この課題に取り組むために,開発したフレームワークは,強化学習とネットワークベースの混合整数線形計画法(MILP)を有する階層構造を持ち,そこでは前者がキャンペーンレベル決定(例えば,キャンペーンを通して使用された車両の設計,キャンペーンにおける各任務に割り当てられた目的地需要),および後者が詳細なミッションレベル決定(例えば,どこからどこまで打ち上げられるか)を最適化する。フレームワークを,事例研究として不確実なin situ資源利用性能を有する一連の人間月探査キャンペーンシナリオに適用した。本研究の主な価値は,不確実性の下で宇宙ミッション設計の他の難治性複雑性を取り扱うために,階層的フレームワークを通して急速に成長する強化学習研究と既存のMILPベースの空間ロジスティックス法の統合である。このユニークなフレームワークは宇宙ミッション設計のための人工知能の新興研究方向に対する重要なステッピングストーンであることが期待される。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： *確率 ,  最適化 ,  ネットワーク ,  不確実性 ,  ロジスティックス ,  *宇宙飛行 ,  人工知能 ,  配置計画 ,  インフラストラクチャー ,  事例研究 ,  *宇宙空間 ,  高次元 ,  計算機アーキテクチャ ,  *強化学習
準シソーラス用語： 設計空間 , 【Automatic Indexing@JST】

分類 (2件)： 飛しょう体の設計・構造  (QK04010H) ,  宇宙飛行体  (QK08000Y)

タイトルに関連する用語 (6件)： 確率 ,  宇宙飛行 ,  キャンペーン ,  設計 ,  強化学習 ,  フレームワーク