周期数据流中不可撤销样本选择的近最优算法及其在海洋机器人中的应用
机器人学
2018-01-24 v2 数据结构与算法
摘要
我们考虑通过在不感兴趣的位置不可撤销地部署有限采样资源并未知未来观测的情况下实时监测时空现象的任务。该任务可建模为经典秘书问题的一个实例。尽管该问题在理论领域已被广泛研究，现有算法要求数据以随机顺序到达以提供性能保证。这些算法在机器人及环境监测领域所遇到的具有时空结构的数据流上表现会任意糟糕。我们聚焦于从具有周期结构的现象中选择代表性样本的问题，并引入一种新颖的样本选择算法，该算法依据任意单调次模效用函数恢复近最优样本集。我们在一个在马萨葡萄园海岸观测站收集的七年环境数据集上评估了我们的算法，并表明其选择的浮游植物样本位置在信息论意义上对于预测未被直接采样的地点的浮游植物浓度近乎最优。所提出的周期秘书算法可在许多实时传感与机器人应用中用于从周期数据流中进行流式、不可撤销的样本选择，并带有理论性能保证。
引用
@article{arxiv.1711.10945,
title = {Near-optimal irrevocable sample selection for periodic data streams with applications to marine robotics},
author = {Genevieve Flaspohler and Nicholas Roy and Yogesh Girdhar},
journal= {arXiv preprint arXiv:1711.10945},
year = {2018}
}
备注
8 pages, accepted for presentation in IEEE Int. Conf. on Robotics and Automation, ICRA '18, Brisbane, Australia, May 2018