Mar, 2024

物联网环境下应急救援的多约束和多目标分配模型

PDF
TL;DR利用物联网和时空数据分析，我们开发了多目标洗牌灰狼青蛙跳模型（MSGW-FLM），该模型在应对复杂的多周期紧急救援场景中显示出了卓越的性能，为优化应急救援资源分配迈出了重要的一步。
emergency relief operationsresource allocationiotspatio-temporal data analyticsmsgw-flm
发现论文，激发创造
  • 多目标进化算法求解水电站多水库系统调度问题的高效方法

    本文提出了一种基于 MESH 算法的多目标优化方法来解决水力发电厂在亚日尺度运营中的短期出力计划问题，旨在在最大化发电量和最大化水库蓄水量的前提下，找到一个水库的最佳出力方案。研究结果表明，MESH 算法表现出比其他多目标算法更高的效率和准确性，并在实际应用中提供了显著的经济效益。

    Jul, 2021

  • 基于扩散模型的汽油调配调度的多目标优化

    利用扩散模型驱动的新型多目标优化方法（名为 DMO）用于汽油调和调度，通过迭代过程将解从高斯噪声转换为可行的时间表，同时使用梯度下降方法优化目标，从而解决了传统和进化算法面临的复杂性问题。实验结果表明，DMO 在解决汽油调和调度问题的效率上超过了最先进的多目标进化算法。

    Feb, 2024

  • 基于深度学习的混合 MEC 网络联合资源调度算法

    本文旨在提出一种基于深度学习和优化算法的混合式移动边缘计算方案，包含地面站、地面车辆和无人机，通过实时联合优化地面车辆和无人机的位置、用户关联和资源分配，以达到在线减少 UE 设备的能耗。

    Nov, 2019

  • 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

  • 基于 P-MADDPG 的紧急事件决策

    本文提出了一种用于应对紧急事件决策问题的 P-MADDPG 算法，模拟紧急情况下的三种场景测试其性能，结果证明相比于其他算法，P-MADDPG 算法在不同规模的场景中收敛更快更好，因此是有效的。

    Mar, 2022

  • 基于生成流模型的期望标量化收益多目标协调图

    本文介绍了一种名为 DMOVE 的算法，它利用连续回报分布来计算多目标协调图中预期标量化回报的集合。DMOVE 算法可用于风场控制等实际问题，可以计算期望标量化回报作为单次执行多策略时的实用功能。

    Jul, 2022

  • 切片雾计算射频接入网络中的模式选择和资源分配：一种强化学习方法

    本文研究了雾射频接入网络（F-RAN）中的模式选择和资源分配，并采用混合整数规划方法优化性能。此外，基于机器学习的强化学习算法用于解决原始高复杂性问题。最终的仿真结果表明，我们提出的算法可以在系统功耗和队列延迟之间实现权衡。

    Feb, 2020

  • 微电网能量管理的多目标强化学习框架

    本文提出了一种新颖的多目标强化学习框架，可以探索高维的目标空间并发现冲突目标之间的权衡，该框架利用强化学习的数据驱动特性，可在不需要长期预测或对根本不确定性的了解的情况下进行参数化政策的训练，用于 Cornell 大学微电网（CU-MG）的实验结果证明了该框架的效果。

    Jul, 2023

  • 多目标深度强化学习用于移动边缘计算

    通过设计的多目标 (深度) 强化学习 (MORL) 资源调度方案，结合了近端策略优化 (PPO) 方法以解决多目标边缘计算系统下未知偏好的问题，本研究在能源消耗与传输延迟最小化的前提下，通过多边缘 MEC 系统中多目标离线问题进行建模与解决。

    Jul, 2023

  • 最大化无人机雾计算部署效率以应对紧急救援工作

    在灾难场景和紧急救援行动中，将无人机作为雾节点集成已变得至关重要。该模型通过优化系统的适应性和操作效能，以动态无人机雾部署为核心，解决了连接性和覆盖性子问题，并通过一维交换方法有效解决了网络寿命优化问题。同时使用适应性鲸鱼优化算法 (WOA) 进行动态网络中的雾节点部署，以确保移动用户的稳定连接和最大覆盖范围，同时延长网络寿命。

    Feb, 2024