マルチエージェント強化学習に基づく分散IoTシステムにおけるエネルギーハーベスティングを意識したマルチホップルーティングポリシー【JST・京大機械翻訳】

Zhang Wen; Liu Tao; Xie Mimi; Li Longzhuang; Kar Dulal; Pan Chen

プレプリント

J-GLOBAL ID：202202214888233312 整理番号：22P0307963

マルチエージェント強化学習に基づく分散IoTシステムにおけるエネルギーハーベスティングを意識したマルチホップルーティングポリシー【JST・京大機械翻訳】

Energy Harvesting Aware Multi-hop Routing Policy in Distributed IoT System Based on Multi-agent Reinforcement Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

エネルギーハーベスティング技術は,モノのインターネット(IoT)デバイスの絶えず成長する数を維持するための有望な解決策を提供する。しかし,エネルギーハーベスティングの弱い過渡的な性質のため,IoTデバイスは,従来のルーティング政策とエネルギー配分戦略の間欠的レンダリングを実行しなければならない。この目的のために,本論文では,非常に初めて,グローバルアクター-批評政策(GAP)として知られる分散型マルチエージェント強化アルゴリズムを開発し,エネルギーハーベスティングIoTシステムに対するルーティングポリシーとエネルギー割当の問題に取り組んだ。訓練段階で,各IoT装置をエージェントとして扱い,1つのユニバーサルモデルを,計算資源を節約するためにすべてのエージェントのために訓練した。推論段階で,パケット配信率は最大化できる。実験結果は,提案したGAPアルゴリズムがQテーブルとESDSRAAアルゴリズムのものよりそれぞれ約1.28倍と1.24倍データ伝送速度を達成することを示した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , 計算機網

, , , ,

前のページに戻る