文献

J-GLOBAL ID：202202281664410016   整理番号：22A0203569

エネルギーハーベスティングナノネットワークのための強化学習に基づくマルチホップたわみルーティングアルゴリズム【JST・京大機械翻訳】

Multi-Hop Deflection Routing Algorithm Based on Reinforcement Learning for Energy-Harvesting Nanonetworks

著者 (4件)： Wang Chao-Chao (College of Mathematics, Physics and Information Engineering, Jiaxing University, Jiaxing, Zhejiang, China) ,  Yao Xin-Wei (College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou, Zhejiang, China) ,  Wang Wan-Liang (College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou, Zhejiang, China) ,  Jornet Josep Miquel (Department of Electrical & Computer Engineering, Northeastern University, Boston, MA, USA)
資料名： IEEE Transactions on Mobile Computing  (IEEE Transactions on Mobile Computing)
巻： 21  号： 1  ページ： 211-225  発行年： 2022年 
JST資料番号： W1357A  ISSN： 1536-1233  CODEN： ITMCCJ  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： ナノネットワークは相互作用ナノノードから成り,そのサイズは数百立方ナノメートルから数立方マイクロメータの範囲である。ナノノードの非常に制約された計算資源,エネルギーハーベスティング過程に起因するそれらのエネルギーの変動,およびテラヘルツ(THz)バンド周波数(0.1~10THz)でのそれらの非常に限られた伝送範囲は,ナノネットワークにおけるルーティングプロトコルの設計を非常に困難にする。強化学習に基づくマルチホップ偏向ルーティングアルゴリズム(MDR-RL)を,パケット伝送の間のルーティング経路を動的かつ効率的に探索するために本論文で提案した。最初に,新しいルーティングと偏向テーブルをナノノードに実装し,ナノノードはルーティングテーブルの経路エントリが無効である場合,他の近傍にパケットを偏向できる。第2に,強化学習に基づく1つのフォワード更新方式と2つのフィードバック更新方式を設計して,テーブル,すなわち,ポリシーとオフポリシー更新方式を更新した。最後に,ネットワークシミュレータ-3における広範囲なシミュレーションを実行して,異なる更新政策を用いてMDR-RLの性能を分析し,また,ニューラルネットワークと決定ツリーに基づく他の機械学習ルーティングアルゴリズムとの性能を比較した。結果は,MDR-RLがパケット配信比率および配信パケットの数を増やすことができて,パケット平均ホップ数を減少することができることを示した。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： 相互作用 ,  *たわみ ,  ニューラルネットワーク ,  *経路選定 ,  ディシジョンツリー ,  情報配布 ,  偏向 ,  パケット ,  機械学習 ,  *強化学習 ,  テラヘルツ波
準シソーラス用語： パケット伝送 ,  *マルチホップ ,  ルーティングプロトコル ,  *エネルギーハーベスティング , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (4件)： 強化学習 ,  マルチホップ ,  たわみ ,  ルーティングアルゴリズム