In the last decade, wildfires have become wider and more destructive. The climate change and the growth of urban areas may further increase the probability of incidence of large-scale fires. The risk of fire can be lowered with preventive measures. Among them, firefighting lines are used to stop the fire from spreading beyond them. Due to high costs of installation and maintenance, their placement must be carefully planned. In this work, we address the wildfire management problem from a theoretical point of view and define a risk function to model the fire diffusion phenomena. The land is modeled by a mixed graph in which vertices are areas subject to fire with a certain probability while edges model the probability of fire spreading from one area to another. To reduce the risk, we introduce the {\sc Windy Firebreak Location} problem that addresses the optimal positioning of firefighting lines under budget constraints. We study the complexity of the problem and prove its hardness even when the graph is planar, bipartite, with maximum degree four and the propagation probabilities are equal to one. We also show an efficient polynomial time algorithm for particular instances on trees.


翻译:在过去十年中,野火变得更加广泛和更具破坏性。气候变化和城市地区的增长可能会进一步增加大规模火灾的发生概率。火灾风险可以通过预防措施降低。其中,消防线被用来阻止火灾蔓延到范围以外。由于安装和维护费用高昂,必须仔细规划。在这项工作中,我们从理论角度处理野火管理问题,并界定一个风险功能以模拟火灾扩散现象。土地由混合图制成,其中脊椎为火灾地区,有一定的发生概率,边缘为火灾从一个地区蔓延到另一个地区的可能性模型。为了减少风险,我们引入了解决消防线在预算限制下的最佳定位的防火线问题。我们研究问题的复杂性,并证明即使该图是平面的,两面的,最多为四面,而且传播概率等于一个。我们还展示了特定树木的高效多角度时间算法。

0
下载
关闭预览

相关内容

专知会员服务
84+阅读 · 2020年12月5日
专知会员服务
17+阅读 · 2020年9月6日
【ICLR2020-】基于记忆的图网络,MEMORY-BASED GRAPH NETWORKS
专知会员服务
108+阅读 · 2020年2月22日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
已删除
将门创投
7+阅读 · 2017年7月11日
Arxiv
0+阅读 · 2021年5月7日
Arxiv
0+阅读 · 2021年5月6日
Arxiv
0+阅读 · 2021年5月5日
Pointer Graph Networks
Arxiv
7+阅读 · 2020年6月11日
VIP会员
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
已删除
将门创投
7+阅读 · 2017年7月11日
Top
微信扫码咨询专知VIP会员