文献

J-GLOBAL ID：202202291424496298   整理番号：22A0917188

有限状態機械強化学習による移動無線電力伝送の最適化【JST・京大機械翻訳】

Optimize Mobile Wireless Power Transfer by Finite State Machine Reinforcement Learning

著者 (6件)： Xing Yuan (University of Wisconsin-Stout,Department of Engineering & Technology,Menomonie,WI,USA) ,  Young Riley (University of Wisconsin-Stout,Department of Engineering & Technology,Menomonie,WI,USA) ,  Nguyen Giaolong (University of Wisconsin-Stout,Department of Engineering & Technology,Menomonie,WI,USA) ,  Lefebvre Maxwell (University of Wisconsin-Stout,Department of Engineering & Technology,Menomonie,WI,USA) ,  Zhao Tianchi (University of Arizona,Department of Electrical and Computer Engineering,Tucson,AZ,USA) ,  Pan Haowen (Changzhou Voyage Electronics Technology LLC,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CCWC  ページ： 0507-0512  発行年： 2022年 
JST資料番号： W2441A  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： 本論文は,強化学習技術を用いて遠方場無線電力伝送システムにおける最適化問題に取り組んだ。モバイルラジオ周波数(RF)無線送信機は,モノのインターネット(IoT)デバイスを可能にする近傍収穫エネルギーを充電できる。無線送信機は,最短時間ですべての静止IoTデバイスを充電する最適経路を見つける。再強化学習を適用して,IoTデバイスの次数を,1つのIoTデバイスからもう1つに駆動するロボットに対して,充電および最短経路の両方を決定した。タスクと充電環境の高い複雑性のため,従来の強化学習は収束できない。この問題を解決するために,有限状態機械強化学習を提案した。最初に,発見的アルゴリズムを利用して,任意の2つのIoT装置の間の最適経路を計算した。次に,逐次回路の設計における有限状態機械のアイデアを用いて,提案したアルゴリズムは,各IoT装置を特定の状態として設定することにより,IoTデバイスの次数を決定する。その結果,IoTデバイスの次数と1つのデバイスからもう1つのデバイスへの経路の両方を,見出すことができた。数値結果により,提案した最適化問題の解決における有限状態機械強化学習の優位性を証明した。実際の無線電力伝送システムも,著者らの実験場で達成される。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  最適化問題 ,  ロボット ,  最適航路 ,  順序回路 ,  *有限状態機械 ,  充電 ,  遠方場 ,  *強化学習 ,  *無線電力伝送
準シソーラス用語： 複雑性 ,  発見的アルゴリズム ,  モノのインターネット ,  最短経路 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 有限状態機械 ,  強化学習 ,  無線電力伝送 ,  最適化