基于能耗的 CubeSat 任务调度安全分层强化学习
机器学习
2023-09-22 v1 人工智能
多智能体系统
摘要
本文提出了一种分层强化学习（Hierarchical Reinforcement Learning）方法，专为优化低地球轨道（LEO）中 CubeSat 任务调度而设计。我们的方法结合了用于全局任务分配的高层策略与作为安全机制的用于实时自适应的低层策略，并集成基于相似性注意力编码器（SABE）进行任务优先级排序，以及用于能耗预测的 MLP 估计器。集成该机制构建了一个安全且容错的 CubeSat 任务调度系统。仿真结果验证了分层强化学习更优的收敛性与任务成功率，在多种 CubeSat 配置下均优于 MADDPG 模型与传统随机调度。
引用
@article{arxiv.2309.12004,
title = {Safe Hierarchical Reinforcement Learning for CubeSat Task Scheduling Based on Energy Consumption},
author = {Mahya Ramezani and M. Amin Alandihallaj and Jose Luis Sanchez-Lopez and Andreas Hein},
journal= {arXiv preprint arXiv:2309.12004},
year = {2023}
}