深度强化学习传感器调度用于有效监控动态系统
Mohammad Alali1, Armita Kazeminajafabadi1, Mahdi Imani1
1Northeastern University, 360 Huntington Ave, Boston, MA, 02115, U.S.
Systems science & control engineering
|April 29, 2024
概括
本研究引入了一种新的强化学习方法,用于在复杂系统中实现最佳的传感器调度. 它通过考虑长期影响来解决贪方法的局限性,以便更好地实时监控.
科学领域:
- 系统工程 系统工程
- 控制理论 控制理论
- 机器学习 机器学习
背景情况:
- 技术进步允许各种传感器模式用于系统监控.
- 资源和计算限制限制了复杂系统中传感器数据的实时处理.
- 有效的传感器调度对于优化在有限条件下的监控目标至关重要.
研究的目的:
- 开发一种最佳的传感器调度方法,用于隐藏的马尔科夫模型模型的系统.
- 克服现有的贪传感器选择/调度方法的局限性.
- 提出一种方法,考虑传感器选择对监测目标的长期影响.
主要方法:
- 制定了最佳的传感器调度,作为一个强化学习问题.
- 定义了系统状态的后部分布上的问题.
- 导出了用于离线学习和实时执行的深度强化学习政策.
主要成果:
- 拟议的深度强化学习政策使有效的传感器调度成为可能.
- 该方法适用于可通过后置状态分布表达的各种监控目标.
- 在监控网络系统安全和基因监管网络方面表现出准确性和稳定性.
结论:
- 开发的深度强化学习方法为传感器调度提供了强大的解决方案.
- 这种方法比传统的贪技术有了显著的改进.
- 该方法具有多功能性,适用于各种复杂的系统监控任务.
