- Двухуровневая структура оптимизации для совместной маршрутизации UAV-UGV с ограниченным запасом топлива: планирование и экспериментальная проверка (arXiv)
Автор: Мд Сафван Мондал, Субраманиан Рамасами, Пранав Бхунсуле.
Аннотация: Быстро движущиеся беспилотные летательные аппараты (БПЛА) хорошо подходят для воздушного наблюдения, но их емкость аккумулятора ограничена. Для увеличения выносливости БПЛА можно заправлять на тихоходных беспилотных наземных транспортных средствах (БНА). Совместная маршрутизация БПЛА-БПА для обследования обширных регионов в пределах их скорости и ограничений по топливу является сложной вычислительной задачей, но ее можно упростить с помощью эвристики. Здесь мы представляем несколько эвристик, позволяющих найти возможные и достаточно оптимальные решения проблемы. С помощью лимитов топлива БЛА и алгоритма минимального набора укрытий определяются остановки дозаправки БЛА. Эти остановки для дозаправки позволяют распределять очки миссии для БПЛА и ББМ. Стандартная формулировка коммивояжера и формула маршрута транспортного средства с временными окнами, пропусками посещений и ограничениями пропускной способности используются для расчета маршрута UGV и UAV соответственно. Экспериментальная проверка подхода на небольшом испытательном стенде показывает его эффективность.
2. Неявная двухуровневая оптимизация: дифференциация с помощью программирования двухуровневой оптимизации (arXiv)
Автор : Франческо Алезиани
Аннотация: Программирование двухуровневой оптимизации используется для моделирования сложных и противоречивых взаимодействий между агентами, например, в надежном ИИ или ИИ с сохранением конфиденциальности. Таким образом, интеграция двухуровневого математического программирования в глубокое обучение является важной задачей сообщества машинного обучения. Предложенные ранее подходы учитывают только одноуровневое программирование. В этой статье мы расширяем существующие подходы к программированию одноуровневой оптимизации и, таким образом, предлагаем Дифференциацию с помощью двухуровневого программирования оптимизации (BiGrad) для сквозного изучения моделей, использующих двухуровневое программирование в качестве слоя. BiGrad имеет широкую область применения и может использоваться в современных средах машинного обучения. BiGrad применим как к непрерывным, так и к комбинаторным задачам двухуровневой оптимизации. Мы описываем класс градиентных оценок для комбинаторного случая, который снижает требования к сложности вычислений; в случае непрерывной переменной вычисление градиента использует преимущества обратного подхода (т. е. векторно-якобианского произведения) для эффективной реализации. Эксперименты показывают, что BiGrad успешно расширяет существующие одноуровневые подходы к двухуровневому программированию.
