文献

J-GLOBAL ID：202202260163967780   整理番号：22A0781060

強化学習を用いたソフトウェア定義無線センサネットワークルーティング性能の改善【JST・京大機械翻訳】

Improving the Software-Defined Wireless Sensor Networks Routing Performance Using Reinforcement Learning

著者 (3件)： Younus Muhammad Usman (Ecole Doctorale Mathe ́matiques, Informatique, Te ́le ́communications de Toulouse, University Paul Sabatier, Toulouse, France) ,  Khan Muhammad Khurram (College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia) ,  Bhatti Abdul Rauf (Department of Electrical Engineering and Technology, Govt. College University Faisalabad, Faisalabad, Pakistan)
資料名： IEEE Internet of Things Journal  (IEEE Internet of Things Journal)
巻： 9  号： 5  ページ： 3495-3508  発行年： 2022年 
JST資料番号： W2432A  ISSN： 2327-4662  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ソフトウェア定義ネットワーキング(SDN)は,その柔軟なアーキテクチャのため,多くのアプリケーションで使用されている新しいアーキテクチャである。モノのインターネット(IoTs)の必須な実現者になることが期待される。それは,データ平面から制御平面を切り離して,制御装置は全体の根底にあるネットワークを管理する。SDNは,ルーティングのために無線センサネットワーク(WSNs)で使用されている。SDN制御装置は,ルーティング経路を計算するためにいくつかのアルゴリズムを使用する。しかし,これらのアルゴリズムのどれも,最適化ルーティング経路を得るには十分な能力を持たない。したがって,強化学習(RL)は,最良のルーティング経路を選択するための有用な技術である。本論文では,RLを通してSDWSNの経路選定経路を最適化した。エネルギー効率とネットワーク品質(QoS)に関するすべての必要な計量を含む報酬関数を提案した。エージェントは報酬を得て,受信した報酬に基づいて次の行動を取る一方,SDWSN制御装置は以前の経験に基づくルーティング経路を改善した。しかし,全ネットワークもWebを通して遠隔制御されている。RLベースSDWSNの性能を,従来のSDNおよびエネルギー意識SDN(EASDN),QR-SDN,TIDEおよび非SDNベース技術,例えばQ学習およびRLベースルーティング(RLBR)を含むSDNベース技術と比較した。提案したRLベースSDWSNは,8%から33%までの寿命と2%から24%のパケット配信比(PDR)の点で優れている。本研究が,効率的なルーティングを通して望ましいWSN性能を達成するための技術者を助けることが期待される。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  *ネットワーク ,  *経路選定 ,  情報配布 ,  応用プログラム ,  計算機アーキテクチャ ,  パケット ,  Web【情報システム】 ,  エージェント ,  *強化学習
準シソーラス用語： *ソフトウェア無線 ,  *無線センサネットワーク ,  Q学習 ,  モノのインターネット , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 強化学習 ,  ソフトウェア定義無線 ,  センサネットワーク ,  ルーティング