灭火策略的进化学习
神经与进化计算
2017-05-05 v1
摘要
包围扩展火焰的动态问题可以在网格图中建模为一种离散变体。虽然火焰在任何时间步都会扩展到所有相邻单元格，但消防员在同一时间间隔内平均允许在火焰外部封锁 个单元格。研究表明，当 时消防员的成功得到保证，而当 时没有任何策略能包围火焰。为了达到这样的临界阈值，策略的正确性（有时甚至是最优性）以及下界已通过整数规划或直接但通常非常复杂的论证得以证明。我们研究了是否可能通过进化算法找到或逼近此类阈值和/或最优策略，即我们尝试学习不同常数 下的成功策略并观察结果。主要的总体思路是，这种方法可能为进化策略在解决类似几何驱动的阈值问题上的能力提供一些见解。我们研究了保护高速公路的变体（其阈值尚未知），并发现了有趣的战略范式。
引用
@article{arxiv.1705.01721,
title = {Evolutionary learning of fire fighting strategies},
author = {Martin Kretschmer and Elmar Langetepe},
journal= {arXiv preprint arXiv:1705.01721},
year = {2017}
}