我们提出了多机器人任务（Kanoa）的正式任务分配和调度方法。Kanoa支持两种重要类型的任务约束类型：任务排序，这需要按指定顺序执行多个任务；和联合任务，指示必须由多个机器人执行的任务。为了减轻机器人任务计划的复杂性，卡诺阿（Kanoa）处理任务分配给机器人，并分别处理分配的任务。为此，任务分配问题以一阶逻辑形式化，并使用合金模型分析仪解决，并将任务调度问题编码为马尔可夫决策过程，并使用Prism Promabilistic模型检查器解决。我们通过一个案例研究说明了Kanoa的应用，该案例研究将分配了一个异质机器人团队的医院维护任务。
translated by 谷歌翻译
在整个宇宙学模拟中，初始条件中的物质密度场的性质对今天形成的结构的特征具有决定性的影响。在本文中，我们使用随机森林分类算法来推断暗物质颗粒是否追溯到初始条件，最终将在肿块上高于一些阈值的暗物质卤素。该问题可能被构成为二进制分类任务，其中物质密度字段的初始条件映射到由光环发现者程序提供的分类标签。我们的研究结果表明，随机森林是有效的工具，无法在不运行完整过程的情况下预测宇宙学模拟的输出。在将来可能使用这些技术来降低计算时间并更有效地探索不同暗物质/暗能候选对宇宙结构的形成的影响。
translated by 谷歌翻译