دانلود مقاله الگوریتم مسیریابی بر اساس آموزش هدفمند برای شبکه های تبلیغاتی تلفن همراه
تعداد کلمات فایل انگلیسی:3968کلمه 6صفحه pdf
تعداد صفحات فایل ترجمه:14صفحه word فونت14 Arial
چکیده – توپولوژی پویا، عدم زیرساخت ثابت و انرژی محدود در شبکه های ad-hoc تلفن همراه (MANET ها) باعث ایجاد یک محیط عملیاتی چالش برانگیز می شوند. پروتکل های مسیریابی MANET باید تغییرات شبکه پویا (مثلا کیفیت لینک ها و انرژی باقیمانده گره ها) را در نظر بگیرند و بتوانند با این تغییرات سازگار شوند تا جریان های ترافیکی را مدیریت کنند. در این مقاله، ما یک پروتکل مسیریابی هوشمند دو طرفه ارائه می دهیم که هدف آن کاهش هزینه در طولانی مدت است که شامل تاخیر پایان به پایان و هزینه انرژی مسیر می شود. ما مسئله مسیریابی را به عنوان فرآیند تصمیم مارکوف (MDP) تشکیل می دهیم که هم پویایی حالت ارتباط را به دلیل انتقال گره و هم دینامیک حالت انرژی را به دلیل منابع انرژی قابل شارژ گره، در بر می گیرد. ما یک الگوریتم مبتنی بر تقویت تخمین خط مشی مسیریابی مطلوب در غیاب دانش پیشینی از آمار سیستم را، ارائه می دهیم. ما کارایی طرح پیشنهادی را با طرح دریافت شده از یک الگوریتم مبتنی بر ارزش افزوده که آمار کامل را در نظر می گیرد، مقایسه می کنیم.
- مقدمه
Mobile-Ad-Hoc-Networks (MANETs) شبکه های خودپیکربندگره های موبایل هستند که با پیوندهای بی سیم ارتباط برقرار می کنند. از آنجایی که توپولوژی شبکه به طور مداوم به علت تحرک گره تغییر می کند، چالش اصلی مدیریت MANET این است که هر گره به درستی مسیر بسته ها را به گره های دیگر نشان دهد. علاوه بر تحرک گره ها، الگوریتم های مسیریابی باید با چالش های خاص و سختگیرانه مانند محدودیت های انرژی داده شده توسط باتری دستگاه های متصل، مقابله کنند
A Reinforcement Learning-based Bi-Objective Routing Algorithm for Energy Harvesting Mobile Ad-hoc Networks
Abstract—Dynamic topology, lack of a fixed infrastructure and limited energy in mobile ad-hoc networks (MANETs) give rise to a challenging operational environment. MANET routing protocols should consider dynamic network changes (e.g., link qualities and nodes’ residual energy) in such circumstances and be able to adapt to these changes to efficiently handle the traffic flows. In this paper, we present a bi-objective intelligent routing protocol that aims at reducing an expected long-run cost function composed of end-to-end delay and the path energy cost. We formulate the routing problem as a Markov decision process (MDP) which captures both the link state dynamics due to node mobility and energy state dynamics due to nodes’ rechargeable energy sources. We propose a reinforcement learning-based algorithm to approximate the optimal routing policy in the absence of a priori knowledge of the system statistics. We compare the performance of the proposed scheme with that obtained from a value-iteration-based algorithm which assumes perfect statistics
کد:11077
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله الگوریتم مسیریابی بر اساس آموزش هدفمند برای شبکه های تبلیغاتی تلفن همراه
تعداد کلمات فایل انگلیسی:3968کلمه 6صفحه pdf
تعداد صفحات فایل ترجمه:14صفحه word فونت14 Arial
چکیده – توپولوژی پویا، عدم زیرساخت ثابت و انرژی محدود در شبکه های ad-hoc تلفن همراه (MANET ها) باعث ایجاد یک محیط عملیاتی چالش برانگیز می شوند. پروتکل های مسیریابی MANET باید تغییرات شبکه پویا (مثلا کیفیت لینک ها و انرژی باقیمانده گره ها) را در نظر بگیرند و بتوانند با این تغییرات سازگار شوند تا جریان های ترافیکی را مدیریت کنند. در این مقاله، ما یک پروتکل مسیریابی هوشمند دو طرفه ارائه می دهیم که هدف آن کاهش هزینه در طولانی مدت است که شامل تاخیر پایان به پایان و هزینه انرژی مسیر می شود. ما مسئله مسیریابی را به عنوان فرآیند تصمیم مارکوف (MDP) تشکیل می دهیم که هم پویایی حالت ارتباط را به دلیل انتقال گره و هم دینامیک حالت انرژی را به دلیل منابع انرژی قابل شارژ گره، در بر می گیرد. ما یک الگوریتم مبتنی بر تقویت تخمین خط مشی مسیریابی مطلوب در غیاب دانش پیشینی از آمار سیستم را، ارائه می دهیم. ما کارایی طرح پیشنهادی را با طرح دریافت شده از یک الگوریتم مبتنی بر ارزش افزوده که آمار کامل را در نظر می گیرد، مقایسه می کنیم.
Mobile-Ad-Hoc-Networks (MANETs) شبکه های خودپیکربندگره های موبایل هستند که با پیوندهای بی سیم ارتباط برقرار می کنند. از آنجایی که توپولوژی شبکه به طور مداوم به علت تحرک گره تغییر می کند، چالش اصلی مدیریت MANET این است که هر گره به درستی مسیر بسته ها را به گره های دیگر نشان دهد. علاوه بر تحرک گره ها، الگوریتم های مسیریابی باید با چالش های خاص و سختگیرانه مانند محدودیت های انرژی داده شده توسط باتری دستگاه های متصل، مقابله کنند
A Reinforcement Learning-based Bi-Objective Routing Algorithm for Energy Harvesting Mobile Ad-hoc Networks
Abstract—Dynamic topology, lack of a fixed infrastructure and limited energy in mobile ad-hoc networks (MANETs) give rise to a challenging operational environment. MANET routing protocols should consider dynamic network changes (e.g., link qualities and nodes’ residual energy) in such circumstances and be able to adapt to these changes to efficiently handle the traffic flows. In this paper, we present a bi-objective intelligent routing protocol that aims at reducing an expected long-run cost function composed of end-to-end delay and the path energy cost. We formulate the routing problem as a Markov decision process (MDP) which captures both the link state dynamics due to node mobility and energy state dynamics due to nodes’ rechargeable energy sources. We propose a reinforcement learning-based algorithm to approximate the optimal routing policy in the absence of a priori knowledge of the system statistics. We compare the performance of the proposed scheme with that obtained from a value-iteration-based algorithm which assumes perfect statistics
کد:11077
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com