Adaptive Probabilistic Planning for the Uncertain and Dynamic Orienteering Problem

要約

オリエンテーリング問題 (OP) は、よく研究された経路指定問題であり、確率的または動的な移動コスト、賞品収集コスト、賞品を反映する不確実性を組み込むように拡張されています。
ただし、既存のアプローチは、モデリングの知識が不十分であり、オンライン シナリオでは最初は不明なパラメータがあるため、現実世界のアプリケーションでは非効率的である可能性があります。
そこで、我々は、旅行コストを未知の時間変動パラメーターを持つ分布としてモデル化する、不確実かつ動的オリエンテーリング問題 (UDOP) を提案します。
UDOP はまた、目的と予算の制約のために、不確実な旅費を動的な賞品や賞品収集コストに関連付けます。
UDOP に対処するために、私たちは、初期の「オフライン」ソリューションに基づいて「実行」と「オンライン計画」を繰り返し実行する、確率的パスのための適応型アプローチ、つまり ADAPT を開発します。
実行フェーズでは、システムのステータスが更新され、オンラインのコスト観察が記録されます。
オンライン プランナーは、ベイジアン アプローチを採用して、電力消費を適応的に推定し、安全信念に基づいてパス シーケンスを最適化します。
ワイヤレス充電式センサー ネットワークの実際的な無人航空機 (UAV) 充電スケジュール問題で ADAPT を評価します。
UAV は、不確実な条件下でエネルギーを管理しながら、センサー ノードを効率的に再充電するための経路を最適化する必要があります。
ADAPT は、優れた堅牢性を提供しながら、同等のソリューション品質と計算時間を維持します。
広範なシミュレーションにより、ADAPT はテストされたすべてのシナリオで 100% のミッション成功率 (MSR) を達成し、それぞれ最大 70% (困難な条件下で) 失敗し、平均 67% の MSR に達する同等のヒューリスティックベースのアプローチや頻度主義的なアプローチを上回っていることが示されています。
この取り組みは、不確実性のある OP の分野を前進させ、不確実で動的な環境における現実世界のアプリケーションに信頼性が高く効率的なアプローチを提供します。

要約(オリジナル)

The Orienteering Problem (OP) is a well-studied routing problem that has been extended to incorporate uncertainties, reflecting stochastic or dynamic travel costs, prize-collection costs, and prizes. Existing approaches may, however, be inefficient in real-world applications due to insufficient modeling knowledge and initially unknowable parameters in online scenarios. Thus, we propose the Uncertain and Dynamic Orienteering Problem (UDOP), modeling travel costs as distributions with unknown and time-variant parameters. UDOP also associates uncertain travel costs with dynamic prizes and prize-collection costs for its objective and budget constraints. To address UDOP, we develop an ADaptive Approach for Probabilistic paThs – ADAPT, that iteratively performs ‘execution’ and ‘online planning’ based on an initial ‘offline’ solution. The execution phase updates system status and records online cost observations. The online planner employs a Bayesian approach to adaptively estimate power consumption and optimize path sequence based on safety beliefs. We evaluate ADAPT in a practical Unmanned Aerial Vehicle (UAV) charging scheduling problem for Wireless Rechargeable Sensor Networks. The UAV must optimize its path to recharge sensor nodes efficiently while managing its energy under uncertain conditions. ADAPT maintains comparable solution quality and computation time while offering superior robustness. Extensive simulations show that ADAPT achieves a 100% Mission Success Rate (MSR) across all tested scenarios, outperforming comparable heuristic-based and frequentist approaches that fail up to 70% (under challenging conditions) and averaging 67% MSR, respectively. This work advances the field of OP with uncertainties, offering a reliable and efficient approach for real-world applications in uncertain and dynamic environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google