Failure-Sentient Composition For Swarm-Based Drone Services

要約

私たちは、群れベースのドローン配送サービスのための、障害に敏感な新しいフレームワークを提案します。
このフレームワークは、性能の顕著な低下（ソフト障害と呼ばれる）が発生し、群れの一部となっているドローンが消費者への荷物の正常な配送を妨げないことを保証します。
このフレームワークは、重み付けされた継続的なフェデレーション学習予測モジュールを構成し、個々のドローンの故障時間と故障後の稼働時間を正確に予測します。
これらの予測は、ドローン レベルと群れレベルの両方で障害の重大度を判断するために使用されます。
障害を考慮した最適なサービスのセットを生成するために、先読み最適化を備えた速度ベースのヒューリスティック アルゴリズムを提案します。
実際のデータセットでの実験結果は、予測精度、配信時間、実行時間の観点から、提案したアプローチの効率性を証明しています。

要約(オリジナル)

We propose a novel failure-sentient framework for swarm-based drone delivery services. The framework ensures that those drones that experience a noticeable degradation in their performance (called soft failure) and which are part of a swarm, do not disrupt the successful delivery of packages to a consumer. The framework composes a weighted continual federated learning prediction module to accurately predict the time of failures of individual drones and uptime after failures. These predictions are used to determine the severity of failures at both the drone and swarm levels. We propose a speed-based heuristic algorithm with lookahead optimization to generate an optimal set of services considering failures. Experimental results on real datasets prove the efficiency of our proposed approach in terms of prediction accuracy, delivery times, and execution times.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google