Feb, 2024

多无人机任务规划支持的多准则决策方法修订

PDF
TL;DR设计了一个决策支持系统（DSS），包括排名和过滤系统，用于多个无人机任务规划场景，并比较了多个模糊多准则决策方法，结果表明，模糊方法通常具有更好的平均分数，并且当操作员偏好一个特定变量时，所有测试方法表现得更好，而在偏好平衡时表现较差。对于过滤系统，设计了一种基于解的相似性的相似函数，并根据经验确定了一个阈值，用于在不丢失解空间的大部分超体积的情况下决定如何过滤解。
unmanned aerial vehiclesmission planningdecision support systemmulti-criteria decision makingfiltering system
发现论文，激发创造
  • 多准则决策问题的统一贝叶斯框架

    该研究提出了基于概率解释的多准则决策制定中不同任务的贝叶斯框架，通过灵活的建模方法来解决群体决策问题和准则相关性等多方面的挑战，并可以适应决策者偏好的不确定性的不同形式。实验结果表明所提出的方法在多个数值示例中的效果并验证了其与其他方法相比的优势。

    Aug, 2022

  • 无人机辅助多团体联邦学习

    本研究旨在探讨在联邦学习中，一种针对无人机的在线轨迹设计问题，其中多个不同的社区存在，每个社区被唯一的任务定义所学习。在这种情况下，每个社区的空间分布设备通过无人机提供的无线链接协作贡献于对其社区模型的培训。通过引入一种启发式指标，我们提出了使用凸优化技术和图论一起优化无人机轨迹和设备调度的代理目标，以加速所有任务的学习进程，并且通过模拟实验证明了我们的解决方案相对于其他手动选择的静态和移动无人机部署基线的卓越表现。

    Jun, 2022

  • 多无人机系统在物联网应用中的设计挑战：综述与未来方向

    本文综述了无人机在协作控制与数据获取方面在智能物理系统中需要应对的多重设计挑战，同时探索无人机在精细化应用中的机器学习和图像分析技术，提出未来研究方向。

    Oct, 2018

  • 多标准决策结果解释

    介绍了一种解释线性和分层多标准决策方法结果的方法，通过维护这些技术操作的值的细粒度表示，并通过合并、过滤和聚合操作从这些表示中导出解释，展示其在 MCDM 领域中的实用性和有效性。

    Sep, 2022

  • 多智能体深度强化学习在多无人机辅助移动边缘计算中的轨迹规划应用

    提出一种无人机辅助的移动边缘计算框架，采用多智能体深度强化学习算法来优化无人机的轨迹，同时通过低复杂度方法优化用户设备的卸载决策。该解决方案相较于传统算法在服务用户设备公平性、无人机负载公平性和所有用户设备的能耗上性能表现较好。

    Sep, 2020

  • 基于 MOEA/D 的自适应面积权重调整的无人机三维路径规划

    使用改进的多目标进化算法和自适应区域权重调整策略来实现无人机的三维路径规划，以权衡总航行路径长度与地形威胁。

    Aug, 2023

  • 一种基于强化学习和凸优化的混合框架用于基于无人机的自主元宇宙数据采集

    本文提出了一种无人机辅助的 Metaverse 网络系统模型，通过资源分配和轨迹控制来提高数据收集效率，采用强化学习和凸优化的混合框架来解决时间依赖性优化问题，仿真结果表明该框架能够在给定传输功率资源下减少任务完成时间。

    May, 2023

  • 多无人机网络中的强化学习：部署和移动设计

    该论文提出了一个新的框架，用于质量体验驱动的多个无人机的部署和动态移动，并使用遗传算法 K-means 算法和 Q-learning 算法实现了解决非凸 3D 部署和运动问题。

    Apr, 2019

  • 使用引导分支的高效自动驾驶不确定性感知决策

    该研究提出了一种高效的不确定性感知决策框架（EUDM），利用专家知识指导行动和愿望空间的分支，以控制计算复杂度，实时生成复杂驾驶环境下的长期横向和纵向行为，同时还提供代码以适应基准测试。

    Mar, 2020

  • 分布式多目标动态卸载调度的空地合作 MEC

    无人机协助地面移动边缘计算具有较高能效和减少任务积压的潜力，本文提出了基于多目标动态轨迹规划和卸载调度的分布式方案，集成了多目标强化学习和核方法，结果显示此方法相较于传统方法具有更好的能耗和任务积压表现。

    Mar, 2024