view in publisher's site

Distributed resource management in wireless sensor networks using reinforcement learning

مدیریت منابع توزیع شده در شبکه¬های حسگر بی سیم با استفاده از یادگیری تقویتی

چکیده در شبکه¬های حسگر بی¬سیم (WSNها) انتظار بر این است که گره¬های منبع محدود در محیط¬های بسیار دینامیکی و اغلب بدون نظارت فعالیت کنند. بنابراین، حمایت از مدیریت منابع هوشمند، مستقل، سازگار و توزیع شده، یک جزء ضروری از یک راه¬حل میان¬افزار برای توسعه کاربردهای WSN مقیاس¬پذیر و دینامیکی است. در این مقاله، چارچوب مدیریت منابع مبتنی بر طرح یادگیری تقویتی دو لایه را ارائه می-کنیم تا کاربردهای تطبیقی و خود یادگیری خودکار با پشتیبانی ذاتی برای مدیریت منابع کارآمد را فعالسازی کنیم. هدف از طراحی ما ایجاد سیستمی با یک رویکرد پایین به بالا است که در آن هر گره حسگر مسئول تخصیص منابع خود و انتخاب وظیفه است. لایه یادگیری نخست (میکرو آموزش) به گره¬های حسگر منحصر بفرد اجازه می¬دهد تا وظائف خودشان را با استفاده از اطلاعات محلی خود برنامه¬ریزی کنند، و در نتیجه تطبیق به موقع را عملی سازند. دومین لایه یادگیری (ماکرو آموزش) با تنظیم پارامترهای عملیاتی خودش میکرو یادگیری¬ها را کنترل می¬کند چنان که سیستم به سمت یک هدف بهینه¬سازی با کاربرد خاص جهانی (بعنوان مثال بیشینه کردن طول عمر شبکه) هدایت می¬شود. اثربخ
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.