پژوهش
پژوهشگران روشی برای بهینه‌سازی استقرار صورت‌های فلکی ماهواره‌ای پیشنهاد کردند
پیش‌چاپی در arXiv از رویکردی مبتنی بر یادگیری تقویتی برای برنامه‌ریزی استقرار ماهواره‌های Walker در شرایطی مانند خرابی پرتاب یا نقص ماهواره‌ها خبر می‌دهد.
پژوهشگران در پیش‌چاپی در arXiv روشی مبتنی بر یادگیری تقویتی برای بهینه‌سازی استقرار صورت‌های فلکی ماهواره‌ای از نوع Walker معرفی کرده‌اند. مدل آن‌ها عدم‌قطعیت‌هایی مانند شکست پرتاب و خرابی ماهواره‌ها را در نظر می‌گیرد و مسئله را به‌صورت یک فرایند تصمیم‌گیری مارکوف صورت‌بندی می‌کند؛ از جمله با لحاظ‌کردن پرتاب به مدار با تزریق کم، بالا بردن تدریجی مدار با پیشرانش کم‌توان و بارهای متغیر ماهواره‌ها.
روش پیشنهادی، «تکرار تقریبی آفلاین ارزش» است و از تقریب خطی با توابع پایه و محدودکردن گزینه‌های کنش استفاده می‌کند تا نیاز محاسباتی و حافظه‌ایِ یافتن سیاست‌های تصمیم‌گیری بهینه کاهش یابد. نتایج اولیه، همگرایی به سیاست‌هایی با هزینهٔ موردانتظار پایین را نشان می‌دهد؛ اما چکیدهٔ در دسترس جزئیات بیشتری از نتایج ارائه نمی‌کند. این مقاله پیش‌چاپ است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده