ترجمه فارسی مقاله یک چارچوب RL چند عامل نیمه متمرکز برای برنامه ریزی کارآمد آبیاری

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی A semi-centralized multi-agent RL framework for efficient irrigation scheduling
عنوان مقاله به فارسی یک چارچوب RL چند عامل نیمه متمرکز برای برنامه ریزی کارآمد آبیاری
نویسندگان Bernard T. Agyeman, Benjamin Decard-Nelson, Jinfeng Liu, Sirish L. Shah
فرمت مقاله انگلیسی PDF
تعداد صفحات 44
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Systems and Control,Machine Learning,سیستم ها و کنترل , یادگیری ماشین ,
توضیحات Submitted 15 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 15 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This paper proposes a Semi-Centralized Multi-Agent Reinforcement Learning (SCMARL) approach for irrigation scheduling in spatially variable agricultural fields, where management zones address spatial variability. The SCMARL framework is hierarchical in nature, with a centralized coordinator agent at the top level and decentralized local agents at the second level. The coordinator agent makes daily binary irrigation decisions based on field-wide conditions, which are communicated to the local agents. Local agents determine appropriate irrigation amounts for specific management zones using local conditions. The framework employs state augmentation approach to handle non-stationarity in the local agents' environments. An extensive evaluation on a large-scale field in Lethbridge, Canada, compares the SCMARL approach with a learning-based multi-agent model predictive control scheduling approach, highlighting its enhanced performance, resulting in water conservation and improved Irrigation Water Use Efficiency (IWUE). Notably, the proposed approach achieved a 4.0% savings in irrigation water while enhancing the IWUE by 6.3%.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک رویکرد یادگیری تقویت کننده چند عامل نیمه متمرکز (SCMARL) برای برنامه ریزی آبیاری در زمینه های کشاورزی متغیر مکانی ارائه شده است ، جایی که مناطق مدیریت به تنوع مکانی می پردازند.چارچوب SCMARL از نظر ماهیت سلسله مراتبی است و یک عامل هماهنگ کننده متمرکز در سطح بالا و عوامل محلی غیر متمرکز در سطح دوم است.نماینده هماهنگ کننده تصمیمات آبیاری باینری را بر اساس شرایط گسترده ای که به مأمورین محلی ابلاغ می شود ، تصمیم می گیرد.نمایندگان محلی مقادیر آبیاری مناسب را برای مناطق مدیریتی خاص با استفاده از شرایط محلی تعیین می کنند.این چارچوب از رویکرد تقویت دولت برای رسیدگی به عدم استقرار در محیط های عوامل محلی استفاده می کند.یک ارزیابی گسترده در یک زمینه در مقیاس بزرگ در لتبریج ، کانادا ، رویکرد SCMARL را با یک رویکرد برنامه ریزی کنترل پیش بینی کننده مدل چند عامل مبتنی بر یادگیری ، برجسته سازی عملکرد پیشرفته آن ، و در نتیجه حفظ آب و بهبود بهره وری مصرف آب آبیاری (IWUE) مقایسه می کند (IWUE)بشرنکته قابل توجه ، رویکرد پیشنهادی در حالی که IWUE را 6.3 ٪ افزایش می دهد ، 4.0 ٪ پس انداز در آب آبیاری را بدست آورد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.