A Transfer Operator Methodology for Optimal Sensor Placement Accounting for Uncertainty
Iowa State University（爱荷华州立大学）
本文提出了一种基于转移算子的方法，用于在考虑建筑系统不确定性的条件下优化传感器布置，通过概率度量评估不确定条件下的覆盖范围。
2018-12-26 cs.SY eess.SY math.DS
Minimum-gain Pole Placement with Sparse Static Feedback
最小增益特征值配置/极点配置问题（MGEAP）是具有静态状态反馈的LTI系统的经典问题。本文研究了状态反馈具有任意稀疏约束时的MGEAP问题。我们制定的稀疏MGEAP问题作为一个等式约束的最优化问题，并提出了其局部最优解的闭环系统的特征向量矩阵的分析表征。这一结果是用来提供一个几何解释的解决方案的非稀疏MGEAP，从而为这个经典的问题提供额外的见解。此外，我们开发了一个迭代投影梯度下降算法，以获得局部解的稀疏MGEAP使用参数化的基础上西尔维斯特方程。我们提出了一个启发式算法来计算投影，这也提供了一个新的方法来解决稀疏EAP。此外，一个宽松的版本的稀疏MGEAP和算法的开发，以获得近似稀疏的MGEAP的局部解决方案。最后，数值研究的算法，这表明，所提出的投影算法在大多数情况下收敛的性能进行了比较。
2020-08-14 cs.SY eess.SY math.OC
Minimum Sensor Placement for Robust Observability of Structured Complex Networks
Carnegie Mellon University（卡内基梅隆大学）；Research Center for Systems and Technologies, Faculty of Engineering, University of Porto（波尔图大学工程学院系统与技术研究中心）
本文研究复杂网络在破坏性场景下的最小传感器布置问题，提出两步方法确保结构可观测性，通过加权集合覆盖问题求解近似解。
2016-06-10 cs.SY eess.SY math.OC
A Unified Framework for Joint Sensor Placement and Scheduling for Intrusion Detection
提出一个统一框架，将传感器放置与方向调度联合优化，通过博弈论设计效用函数并利用弱子模性实现近最优检测性能。
2026-06-19 cs.GT cs.SY eess.SY
Sensor Placement on a Cantilever Beam Using Observability Gramians
本文基于输出能量对初始条件变化的敏感性，推导连续介质系统的解析与经验可观测性格拉姆工具，并针对欧拉-伯努利悬臂梁计算最优传感器布置，通过无迹卡尔曼滤波误差协方差验证其优于随机布置。
2025-01-03 cs.SY eess.SY math.AP
Inadequacy of Linear Methods for Minimal Sensor Placement and Feature Selection in Nonlinear Systems; a New Approach Using Secants
Princeton University（普林斯顿大学）
传感器放置和特征选择是工程、建模和数据科学中的关键步骤，它们有一个共同的数学主题：所选的测量值应该能够解决逆问题。感兴趣的大多数现实世界的系统是非线性的，但大多数可用的技术特征选择和传感器的位置依赖于线性或简单的统计模型的假设。我们表明，当这些假设被违反时，标准技术可能会导致昂贵的过度感知，而不能保证所需的信息可以从测量中恢复。为了解决这些问题，我们引入了一种新的数据驱动的方法，传感器的位置和特征选择的一般类型的非线性反问题的基础上所包含的信息在数据点之间的割线向量。使用割线为基础的方法，我们开发了三个有效的贪婪算法，每个提供不同类型的强大的，近最小的重建保证。我们证明了他们的两个问题，线性技术始终失败：传感器的位置，以重建由一个复杂的冲击混合层相互作用形成的流体流和选择基本流形学习坐标的环面。
2021-01-27 cs.LG cs.SY eess.SY
Impact of sensor placement in soil water estimation: A real-case study
实施闭环灌溉系统的基本要素之一是基于有限数量的可用传感器的土壤水分估计。一个相关的问题是确定安装传感器的最佳位置，以便可以获得良好的土壤湿度估计。在我们以前的工作中，模态可观测度被用来解决农业水文系统土壤水分估计的最优传感器配置问题。结果表明，优化放置的传感器可以提高土壤湿度估计性能。然而，目前还不清楚最佳的传感器放置是否可以显着提高土壤水分估计性能在实际应用中。在这项工作中，我们调查的影响传感器放置在土壤水分估计的实际农业领域在莱斯布里奇，加拿大艾伯塔省。在田间试验中，在不同深度安装了42个土壤水分传感器，以收集一个生长季节的土壤水分测量值。建立了研究区土壤参数非均质的三维农业水文模型。将模态可观度应用于三维系统，以确定最佳传感器位置。选择扩展卡尔曼滤波（EKF）作为数据同化工具，估计研究领域的土壤水分含量。通过对不同场景下土壤水分的估算结果进行分析，探讨了传感器位置对实际应用中土壤水分估算性能的影响。
2022-03-13 cs.CY cs.SY eess.SY
Sensor placement minimizing the state estimation mean square error: Performance guarantees of greedy solutions
本文研究了如何选择系统输出的一个子集，以使状态估计均方误差（MSE）最小。这导致在可能的传感器选择上定义的集合函数的最大化问题受到基数约束。我们考虑用贪婪搜索近似求解。由于MSE函数既不是次模函数，也不是上模函数，因此贪婪解的众所周知的性能保证在本例中不成立。因此，我们使用子模比和曲率来评估目标函数的子模性和超模性程度。通过使用MSE函数的性质，我们近似计算这些量，并得出贪婪的解决方案的性能保证。结果表明，该保证比现有的结果更不保守。
2020-09-26 cs.SY eess.SY math.OC
Efficient constrained sensor placement for observability of linear systems
Indian Institute of Technology Bombay（印度理工学院孟买分校）
本文研究了线性时不变离散时间系统中可观测性和高效约束传感器布置相关的问题，证明了在给定输出和可测状态集的情况下，保证结构可观测性指数不超过k的最小传感器布置问题是NP难的，并提出了一种线性时间解决子类系统的方法。
2021-05-20 cs.SY eess.SY math.OC
FEM-based A-optimal sensor placement for heat source inversion from final time measurement
本文针对终时测量热源反演问题，利用正问题和伴随分析及冗余-主导p-延拓算法，提出一种基于有限元的A-最优传感器布置方法，以获得二值最优布置方案。
2025-09-25 math.OC
PySensors: A Python Package for Sparse Sensor Placement
University of Washington（华盛顿大学）
PySensors是一个Python包，用于选择和放置稀疏的传感器集，用于分类和重建任务。具体来说，PySensors实现了数据驱动的稀疏传感器布局优化重建（SSPOR）和稀疏传感器布局优化分类（SSPOC）算法。在这项工作中，我们简要描述了稀疏传感器优化的数学算法和理论，以及PySensors中实现的功能的概述和演示（带有代码示例）。我们还为用户提供了实用的建议，以及PySensors的潜在扩展列表。软件可在https://github.com/dynamicslab/pysensors上获得。
2021-02-20 cs.LG eess.SP math.OC
Actuator and sensor placement in linear advection PDE with building system applications
研究线性平流偏微分方程中的执行器和传感器配置问题。这个问题的动机是其应用程序的致动器和传感器的位置在建筑系统的控制和检测的标量，如温度和污染物。我们提出了一种基于Gramian的方法来解决执行器和传感器的位置问题。利用平流偏微分方程的特殊结构，以乘法算子的形式给出了能控能观Gramian的显式表达式。的显式公式的gramian，作为一个功能的致动器和传感器的位置，是用来提供一个给定的传感器和致动器的位置的适用性的测试标准。此外，使用基于Gramian的标准得到的解决方案解释的平流向量场的流动。特别是，几乎处处的平流向量场的稳定性属性示出在决定位置的致动器和传感器中发挥至关重要的作用。仿真结果支持本文的主要结果。
2014-09-06 math.OC
Optimal reporter placement in sparsely measured genetic networks using the Koopman operator
传感器优化配置是控制理论中一个重要而又尚未解决的问题。在生物有机体中，遗传活性通常是高度非线性的，使得难以设计启动子文库来充当细胞状态的报告子。我们利用Koopman可观测性gramian开发的离散时间非线性动力系统的最佳传感器（或报告）的位置，以减轻困难的启动子库的设计算法。这种容易是由于这样一个事实，即库普曼算子表示的非线性系统的演变线性提升状态的无限维空间的可观。Koopman框架理想地要求高时间分辨率，但是生物学中的数据通常在时间上稀疏地采样。因此，我们从时间上粗粒度的Koopman算子中计算我们称之为时间上细粒度的Koopman算子，后者是从稀疏数据中识别的。传感器的最优布置对应于最大化细粒度系统的可观测性。我们证明了算法的昼夜节律振荡器的模拟例子。
2019-09-18 cs.SY eess.SY math.DS
Optimal Sensor Placement for Output Estimation Using an Artificial Bee Colony Algorithm with Pre-filter
Eindhoven University of Technology（埃因霍温理工大学）；University of Twente（特文特大学）；ASML（阿斯麦）
针对三维热弹性系统的传感器布置优化问题，采用带Gramian预过滤的新型二元人工蜂群（NBABC）算法降低计算复杂度，该方法高效且收敛快速，可解决最大化卡尔曼滤波器估计性能的NP难问题。
2026-08-24 math.OC
Greedy Sensor Placement with Cost Constraints
在工业和商业产品的设计以及科学实验中，自然会出现在成本约束下最佳放置传感器的问题。我们考虑放松的充分优化制定这个问题，然后扩展一个行之有效的QR为基础的贪婪算法的最佳传感器放置问题，没有成本约束。我们证明了该算法在面部识别，气候科学和流体力学相关数据集上的有效性。该算法是可扩展的，通常可以识别具有接近最佳重建性能的稀疏传感器，同时大大降低了传感器的整体成本。我们发现，成本误差景观因应用而异，与基础物理学有直观的联系。此外，我们还包括各种预处理技术的实验，并发现基于奇异值分解的流行技术往往是次优的。
2018-05-09 math.OC
Global optimality conditions for sensor placement, with extensions to binary low-rank A-optimal designs
本文针对随机线性逆问题，通过次梯度论证提出传感器布置问题的全局最优性充分与必要条件，并据此推导出有限元离散设定下 A-最优设计的低秩高效公式，应用于 Helmholtz 型问题及二值设计扩展。
2025-05-16 math.OC
Sensor placement via large deviations in the Eikonal equation
Nîmes University（尼姆大学）；Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）；University of Deusto（德乌斯托大学）；Universidad Autónoma de Madrid（马德里自治大学）
本文通过Eikonal方程的大偏差理论，提出了一种在给定区域内最优布置传感器的方法，以最小化到域内点的距离。
2026-02-13 math.OC
Solving Sensor Placement Problems In Real Water Distribution Networks Using Adiabatic Quantum Computation
量子退火是近年来出现的一种解决大规模组合最优化问题的量子计算方法。在本文中，我们制定的问题正确放置压力传感器的供水管网（WDN）作为一个组合最优化问题的形式，二次无约束二进制优化（QUBO）或伊辛模型。最佳传感器位置确实是检测和隔离故障事件的关键。我们概述了QUBO和伊辛公式的传感器布局问题从网络拓扑结构和一些其他功能。我们提出了一个详细的过程来解决这个问题，通过使用PyQUBO，一个开源的Python库最小化其哈密顿量。然后，我们将我们的方法应用到一个真正的配水网络的情况下。模拟退火和混合量子经典的方法上的D波机。
2021-08-20 math.OC quant-ph
Joint Online Parameter Estimation and Optimal Sensor Placement for the Partially Observed Stochastic Advection-Diffusion Equation
在本文中，我们考虑的问题，联合执行在线参数估计和最佳传感器配置的部分可观测的无限维线性扩散过程。我们提出了一种新的解决方案，这个问题的形式的连续时间，两个时间尺度的随机梯度下降算法，递归地寻求最大化的对数似然相对于未知的模型参数，并尽量减少预期的均方误差的隐藏状态估计相对于传感器的位置。我们还提供了大量的数值结果，说明所提出的方法的性能的情况下，隐藏的信号是由二维随机平流-扩散方程。
2021-09-20 math.OC stat.CO
Multifidelity sensor placement in Bayesian state estimation problems
Marist University（玛里斯特大学）；Towson University（陶森大学）；University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校）；North Carolina State University（北卡罗来纳州立大学）
本文提出了一种基于D-最优性准则的多保真度传感器布置算法，通过贪心策略和秩一更新提升计算效率，并在多个基准问题中验证了其优于随机设计的性能。
2026-07-22 cs.NA math.NA math.OC
Subspace-Constrained Continuous Methane Leak Monitoring and Optimal Sensor Placement
提出一种基于子空间与受限区域约束的最优传感器布置和泄漏反演方法，结合风场不确定性模型实现连续实时监测，从而快速定位并量化甲烷泄漏源以减少排放。
2023-08-03 cs.NE math.OC
Flow and Density Reconstruction and Optimal Sensor Placement for Road Transportation Networks
研究了具有异构信源和低成本传感器配置的道路运输网络流量和密度重构问题。按照标准的宏观建模方法，网络被划分为单元，其车辆密度根据一阶守恒定律随时间动态变化。第一个问题是使用两种信息源来估计车辆的流量和密度，即标准的固定传感器，精确但昂贵，以及浮动汽车数据，由于渗透率低而不太精确，但已经在大多数主要道路上可用。提出了一种数据融合算法，将两种信息源合并，用于观测车辆密度和流量。第二个问题是通过在成本和性能之间进行权衡来将传感器放置在网络中。基于虚方差的概念，提出了一个松弛的问题。所提出的策略的效率显示在一个合成的规则网格和现实世界的情况下，在法国格勒诺布尔的Rocade Sud，一条10.5公里长的环路。
2015-07-25 math.OC
A sparse control approach to optimal sensor placement in PDE-constrained parameter estimation problems
我们提出了一个系统的方法来最佳放置的多个传感器，以推断一个有限维参数从点评估的相关参数依赖椭圆PDE的解决方案。相应的最小二乘估计的质量量化的渐近协方差阵的属性取决于测量传感器的分布。我们制定了一个设计问题，我们最小化泛函的大小，相应的置信区域的位置和数量的逐点测量。测量设置是由一个积极的Borel措施的空间实验域上的凸优化问题。对于算法的解决方案，一类加速条件梯度法在测度空间，它利用设计问题的结构特性，以确保收敛到稀疏的解决方案。收敛性和数值实验表明，所提出的结果。
2019-05-05 math.OC
Adaptive Sensor Placement Inspired by Bee Foraging: Towards Efficient Environment Monitoring
Indian Institute of Technology Madras（印度马德拉斯理工学院）
本文提出一种结合人工蜂群算法与莱维飞行的混合算法，用于优化自适应传感器布置，显著提升环境监测中关键热点的识别效率，并适用于搜索救援等优化问题。
2024-11-08 cs.AI cs.NE cs.RO
A Game-theoretic Framework for Security-aware Sensor Placement Problem in Networked Control Systems
研究了网络化控制系统中的传感器布置问题，以提高系统的安全性。该问题被表述为攻击者和检测者之间的零和对策。攻击者的决定是选择网络的$f$节点进行攻击，而检测器的决定是放置$f$传感器来检测攻击信号的存在。在我们的公式中，攻击者最小化其可见性，定义为从攻击信号到部署的传感器输出的系统$L_2$增益，检测器最大化攻击信号的可见性。博弈的均衡策略决定了传感器的最优位置。研究了当底层连通图是有向树或无向树时攻击者-检测者博弈纳什均衡的存在性。当游戏不承认一个纳什均衡，它表明，Stackelberg均衡的游戏，检测器作为游戏的领导者，可以有效地计算。最后，研究了车辆排队问题中攻击者-探测者博弈的自适应巡航控制算法。研究了有向和无向车队纳什均衡的存在性，并研究了参考车辆位置对博弈值的影响。研究结果表明，在最优传感器配置策略下，无向拓扑比有向拓扑能为网络化控制系统提供更高的安全性.
2018-09-21 math.OC
Optimal one-dimensional coverage by unreliable sensors
本文考虑在一维环境中最优放置不可靠传感器的问题。我们假设传感器可以以一定的概率发生故障，并且我们最小化从环境中的任何点到最近的活动传感器的预期最大距离。我们提供了一个计算方法来找到最佳的位置，我们估计的相对质量均匀和随机放置。我们证明了前者是渐近等价的最优布局时，传感器的数量趋于无穷大，成本比收敛到1，而后者的成本仍然严格较大。
2014-11-14 cs.MA math.OC
Global solutions for the sensors placement problem via weakly convex optimization
Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所）；Space Research Centre, Polish Academy of Sciences（波兰科学院空间研究中心）
研究在不知潜在动力学时最优放置有限传感器重建高维信号的问题，将其转化为弱凸约束投影问题，用不精确切割球算法计算ε全局解，还提出逆切割球算法，并用NACA翼型压力重建评估框架。
2026-09-09 math.OC
Probabilistic state transfer, estimation and measures for optimal actuator/sensor placement for linear systems with packet dropouts
我们考虑线性系的数据包丢失，并获得了必要和充分条件的任意状态转移和状态估计在有限的时间实例$T$。使用伯努利随机变量对数据丢失信号进行建模。我们利用我们的方法中的Hadamard产品的属性，并使用派生的充要条件来计算的概率，任意的状态转移是可能的，在指定的时刻。类似地，找到一个精确的状态估计的概率发现使用的结果的可观测性对应。利用得到的Gramian可逆性的充要条件，给出了最优执行器和传感器配置问题的新的概率测度，并得到了最优/次最优解.我们演示了一个例子，数据包丢失的概率如何影响最佳执行器的选择。我们还讨论了如何实现反馈法和LQR问题，这些模型涉及数据包丢失。
2019-05-04 math.OC
Sensor Placement for Globally Optimal Coverage of 3D-Embedded Surfaces
Rutgers, the State University of New Jersey（罗格斯大学（新泽西州立大学））
我们进行了结构和算法研究的移动传感器覆盖优化问题，目标是嵌入在三维工作空间的二维表面。研究的设置模拟了多个重要的应用，包括用于监视的相机网络部署，3D地形的地质监测/调查，以及用于防止疾病病原体传播的基于UV C的表面消毒（例如，SARS-CoV-2）。在一个统一的一般“传感器覆盖”的问题，三个具体的配方进行检查，分别侧重于优化可见性，单一的最佳覆盖质量，和累积质量。在证明了所有这些配方的计算困难，我们描述近似方案和数学规划模型，以接近最佳的解决方案。我们的方法的有效性进行了彻底评估下现实和实际的场景。
2021-03-18 cs.RO math.OC
Fisher-Information-Based Sensor Placement for Structural Digital Twins: Analytic Results and Benchmarks
George Mason University（乔治梅森大学）
本文提出基于 Fisher 信息的传感器布置方法，用于提升结构数字孪生的反问题求解精度和稳定性。
2026-02-03 cs.NA math.NA math.OC
Towards optimal sensor placement for inverse problems in spaces of measures
针对最优传感器布置驱动的含测度与随机噪声的稀疏逆问题，提出基于Radon测度空间变分Tikhonov估计器和Hellinger-Kantorovich距离均方误差的框架，推导显式可计算的渐近精确误差上界，用于评估误差并指导传感器布置。
2024-04-17 cs.NA math.NA math.OC
A control-oriented approach to optimal sensor placement
本文提出面向控制的贝叶斯最优实验设计 cOED，通过最小化被控状态或控制目标的不确定性来确定传感器位置，并提供可扩展计算框架及传热模型数值验证。
2025-08-29 cs.NA math.NA math.OC
Optimal Sensor Placement in Power Grids: Power Domination, Set Covering, and the Neighborhoods of Zero Forcing Forts
为了监控整个电网的电气活动并减少停电，可以安装称为相量测量单元的传感器。由于实施成本的原因，期望在确保可以有效地监测电网的同时最小化部署的传感器的数量。这个优化问题激发了图论的幂支配集问题。在本文中，我们提出了一个新的整数规划识别最小功率控制集，制定了一个集覆盖问题。这个问题的约束对应于迫零的邻域;我们研究了它们的结构特性，并表明它们可以分离，从而可以通过行生成来解决所提出的模型。在几个计算实验中，所提出的方法始终表现出一个数量级的改善，在运行时的性能的建议和现有的方法进行了比较。
2020-06-04 cs.DM cs.DS math.CO
Submodularity of the expected information gain in infinite-dimensional linear inverse problems
North Carolina State University（北卡罗来纳州立大学）
针对无限维线性高斯贝叶斯逆问题，证明期望信息增益（EIG）的子模性，并推广贪心传感器放置的近似保证到无限维极限。
2026-06-26 math.OC
Two-Timescale Stochastic Gradient Descent in Continuous Time with Applications to Joint Online Parameter Estimation and Optimal Sensor Placement
本文在一般的噪声和稳定性条件下，建立了连续时间下两时标随机梯度下降算法的几乎必然收敛，推广了离散时间下的已知结果.我们分析了加性噪声和非加性噪声的算法。在非加性的情况下，我们的分析进行的假设下，噪声是一个连续时间的马尔可夫过程，控制的算法状态。我们考虑的算法可以应用到一个广泛的类的双层优化问题。我们详细研究了这样一个问题，即联合在线参数估计和最优传感器配置的问题的部分观测扩散过程。我们演示了如何可以制定为一个双层优化问题，并提出了一个解决方案的形式，连续时间，两个时标，随机梯度下降算法。此外，在适当的条件下的潜在信号，过滤器，和过滤器的衍生物，我们建立几乎必然收敛的在线参数估计和最佳传感器放置的渐近对数似然和渐近滤波协方差的平稳点，分别。我们还提供了数值例子，说明所提出的方法的应用程序的部分观察Beneavor方程，和部分观察到的随机平流-扩散方程。
2021-09-30 math.OC math.PR math.ST
Where Should Traffic Sensors Be Placed on Highways?
本文研究了在有匝道的高速公路上布设交通传感器的实际工程问题。由于几乎不可能在每个高速公路路段安装庞大的交通传感器，因此找到能够优化整个网络的交通可观测性的位置至关重要。因此，这导致在未安装传感器的路段上准确的交通密度估计。本文的实质性贡献是利用控制理论的可观性分析-结合整数规划-确定交通传感器的位置的基础上的非线性动力学和交通网络的参数。特别是，著名的非对称细胞传输模型，用于指导布局策略与非线性动态系统的可观测性分析，通过Gramians。彻底的数值案例研究，以证实所提出的理论方法和各种计算研究问题的提出和解决。所提出的方法也可以扩展到其他模型的交通动力学。
2022-05-04 math.OC
Constrained optimization of sensor placement for nuclear digital twins
University of Washington（华盛顿大学）；Idaho National Laboratory（爱达荷国家实验室）
针对核反应堆空间限制导致传感器部署困难的问题，提出一种将约束纳入优化框架的数据驱动贪心算法，在高维网格上优化传感器位置以最小化噪声测量下的重建误差，并在OPTI-TWIST原型胶囊中验证了其能有效降低温度重建误差并建立数字孪生通信基础。
2024-02-16 cs.LG math.OC
Efficient and robust Sensor Placement in Complex Environments
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究所）
本文研究复杂环境中高效且鲁棒的传感器放置问题，提出一种满足多重覆盖约束的贪心算法，并利用深度学习加速目标函数评估，同时分析数据几何特性对网络性能的影响。
2023-09-15 cs.LG cs.RO math.OC
Greedy Algorithms for Sparse Sensor Placement via Deep Learning
Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究所）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
我们考虑探索问题：配备深度传感器的代理必须使用尽可能少的传感器测量来绘制出先前未知的环境。我们提出了一种基于监督学习的贪心算法的方法。我们利用子模块理论给出了贪心算法的最优性上界。使用水平集表示，我们训练一个卷积神经网络来确定最大化可见性的有利点。我们表明，这种方法大大降低了在线计算成本，并确定了一个小的优势点，解决了这个问题。这使我们能够有效地生成复杂3D环境的高分辨率和拓扑准确的地图。与传统的下一个最佳视图和基于前沿的策略不同，该方法在评估潜在优势点的同时考虑了几何先验。虽然现有的深度学习方法专注于避障和局部导航，但我们的方法旨在为更全局的探索问题找到接近最优的解决方案。我们在2D和3D城市环境中进行了逼真的模拟。
2022-03-26 cs.LG math.OC stat.ML
Risk Aware Optimization of Water Sensor Placement
University of Milano-Bicocca（米兰比可卡大学）
最佳传感器放置（SP）通常最大限度地减少影响措施，如受污染的水的数量或居民的数量受影响之前检测。常见的选择是最小化在一组污染事件上平均的最小检测时间（MDT），其中污染物在不同位置注入。给定一个SP，通过网络的水力软件模型模拟传播，以获得时空浓度和平均MDT。搜索最优SP是NP难的：即使对于中等规模的网络，也需要有效的搜索方法，其中经常使用进化方法。提出了一个双目标形式化：最小化平均MDT及其标准差，即比平均MDT晚检测到污染事件的风险。我们提出了一种数据结构（时空热图的排序），收集每个SP的模拟结果，特别适合于进化优化。事实上，所提出的数据结构，使收敛分析的人口为基础的算法，导致识别指标检测特定问题的收敛问题，可以推广到其他类似的问题。我们使用了Pymoo，这是一个最新的Python框架，足够灵活，可以包含我们的问题特定的终止标准。基准测试和现实世界的网络上的结果。
2021-03-08 cs.LG cs.NE eess.SP
