Apr, 2024

推进森林防火：深度强化学习用于有效的防火隔离区布置

PDF
TL;DR应用深度强化学习技术解决森林火线设置等复杂问题，以防止大规模野火的发生，具有重要意义和广阔前景。
wildfiresclimate changefirebreak placementartificial intelligencedeep reinforcement learning
发现论文，激发创造
  • 消防带位置问题的元启发式比较：一种基于仿真优化方法的对比

    火线设置的问题是防火工作中至关重要的问题，其在景观尺度上的有效性取决于其阻碍未来山火扩展的能力。本研究从仿真优化的角度提出了解决方案，利用遗传算法和 GRASP 算法在具备中高操作能力和中等随机性的情境下取得了良好的结果。

    Nov, 2023

  • 用无人机进行时关紧急野外搜救的深度强化学习

    该论文探讨在野外环境中为无人机创建高效的搜索任务的深度强化学习方法，通过利用先验数据和概率分布图，学习最优的飞行路径以快速找到失踪者，实验结果表明，与传统覆盖规划和搜索规划算法相比，深度强化学习方法在搜索时间上取得了显著改进。

    May, 2024

  • 利用深度强化学习的自主飞行器实现分布式森林火灾监测

    本文研究了利用自主无人机团队监测野火的方法，通过使用两种深度强化学习方法训练分散控制器，可以有效地追踪野火的扩散，这两种方法在不同数量的飞行器和不同野火形状下都有较好的表现，模拟结果表明，这两种方法优于在线递归视角控制器。

    Oct, 2018

  • 在模拟灾害环境中进行野火减灾的强化学习

    通过引入 SimFire 和 SimHarness，我们介绍了一种多功能的野火预测模拟器，能够生成真实的野火场景，并通过模块化的基于代理的机器学习封装层自动生成减少损失的土地管理策略，从而帮助研究人员和实践者模拟和评估消防人员的干预效果，并制定价值保护和资源分配优化的战略计划。

    Nov, 2023

  • 基于模型的深度强化学习加速流体模拟的学习

    深度强化学习在闭环流控问题中应用模拟环境进行优化，通过模型和流模拟样本相互交替训练，有效减少流控应用中的计算时间，尤其对于复杂流模拟有着潜在的巨大节约。

    Feb, 2024

  • 土地管理中使用知识引导的机器学习进行预定火灾建模

    本文介绍了一种新的机器学习（ML）框架，可以快速模拟预定火灾，解决了火灾模型中的物理不一致性、类别不平衡导致的偏见预测、火焰蔓延指标的偏差估计以及不同风况下的普适性问题。

    Oct, 2023

  • 基于深度强化学习的 FPGA 分而治之布局

    本文介绍了学习在可编程门阵列（FPGA）中放置逻辑块的问题和一种基于学习的方法，通过强化学习（RL）来最小化线长，同时提出了一种新颖的分解方法以解决在芯片上放置多个块时的大搜索空间问题。实证实验评估了学习和分解范式在 FPGA 放置任务中的有效性。

    Apr, 2024

  • 基于深度强化学习的分层任务分解：拾取和放置子任务

    提出一种多子任务增强学习的方法，将复杂的拾取和放置任务分解为低级子任务，并通过 DRL 方法学习，然后高级协调员将训练好的子任务组合来完成拾取和放置任务，此方法在样本效率方面表现优于以 LfD 为基础的基准方法，并在实际机器人系统中展示了鲁棒的抓握能力。

    Feb, 2021

  • 自然灾害时期公民安置的双 Q 学习算法

    本文研究了自然灾害中自主机器人在无需等待人类救援小组的情况下通过重新定位救 助公民的能力，采用基于部分可观察的马尔科夫决策过程的 Double Q-learning 方法进行实现，实验结果显示该方法在易场景下的表现超过了 100％，在 difficult 场景下的表现接近 50％。

    Sep, 2022

  • 资源受限的深度强化学习

    为了优化城市资源分配，本文研究了基于 Deep RL 方法对于资源分配的约束条件以及对模拟器的表现

    Dec, 2018