文献

J-GLOBAL ID：201102286241638988   整理番号：11A1284803

アドホックネットワークにおけるマルチエージェント強化学習に基づく交差層輻輳制御方式に関する研究

Research on Cross-layer Congestion Control Strategy Based on Multi-agent Reinforcement Learning in Ad hoc Network

著者 (3件)： Shao Fei (TheSchool of Telecommunications Engineering, Xidian Univ., Xi’an) ,  Wu Chun (TheSchool of Telecommunications Engineering, Xidian Univ., Xi’an) ,  Wang Lifeng (Instituteof China Electronic System Engineering Corp., Beijing)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 32  号： 6  ページ： 1520-1524  発行年： 2010年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文で,MAC層競合が誘発するネットワーク輻輳モードのNash均衡の存在を第一に証明した。第二に,WCという名の交差層輻輳制御機構を,WOLF-PHC学習方式に基づいて提案した。WCは,一組の滅結合ノードを経路選定層で次のホップノードとして選択した。一方,ソースのトラフィックをMAC層で刺激,促進し,リンクの空間再利用効率を上げた。シミュレーション結果は,情報交換をしないで,ソースノードの最適の分流点をWOLF-PHCによって探索し,ネットワークスループットの最大化を図ることを示した。さらに,WOLF-PHCは,新しい最適分流点を発見して新しいネットワーク環境への適応を図った。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *アドホックネットワーク ,  *エージェント ,  強化学習 ,  輻輳制御 ,  制御方式 ,  マルチ ,  情報交換 ,  シミュレーション ,  環境
準シソーラス用語： 交差層 ,  ネットワーク環境

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： アドホック ,  マルチエージェント ,  強化学習 ,  交差層 ,  輻輳 ,  制御方式 ,  研究