مسیریابی در شبکه های موردی بین خودرویی با استفاده از الگوریتم یادگیری تقویتی مبتنی بر مدل

تجهیز وسایل نقلیه به فناوری های بی سیم به شکل گیری شبکه های نسبتا جدید به نام شبکه های موردی وسایل نقلیه یا ونت منجر شده است. این شبکه ها در حوزه های مختلفی مانند موارد اضطراری، ایمنی و سرگرمی کاربرد دارند ضمن اینکه به عنوان جزء اصلی سیستم های حمل و نقل هوشمند نیز محسوب می شوند. با این حال به دلیل سرعت گره ها، وسایل نقلیه، تراکم متغیر، وجود موانع و عدم وجود زیرساخت، ثابت یافتن و حفظ مسیر بین گره ها همواره چالشی در ونت بوده است. هر پروتکل مسیریابی تنها زمانی موثر است که گره ها بتوانند با چنین محیط پویایی سازگار شده و امکان یادگیری داشته باشند. یکی از راه های دستیابی به این سازگاری استفاده از تکنیک های یادگیری ماشین است. در این مقاله برای رسیدن به این هدف از یادگیری تقویتی چندعاملی استفاده شده است که به عامل ها امکان حل مسئله بهینه سازی مسیریابی به صورت توزیع شده را می دهد. اگرچه روش های یادگیری تقویتی بدون مدل برای این منظور معرفی شده اند اما این تکنیک ها از طریق آزمون و خطا در محیط واقعی یاد می گیرند و بنابراین نمی توانند در زمان کوتاه به سیاست بهینه دست یابند. برای حل این مشکل یک طرح مسیریابی مبتنی بر یادگیری تقویتی مدل محور پیشنهاد شده است. همچنین یک سیستم منطق فازی برای ارزیابی کیفیت ارتباط بین گره های همسایه بر اساس پارامترهایی مانند سرعت و کیفیت اتصال توسعه داده شده است. خروجی های این سیستم فازی برای تشکیل مدل انتقال حالت مورد نیاز در یادگیری تقویتی استفاده شده اند. نتایج ارزیابی ها نشان می دهد که این روش می تواند معیارهای مسیریابی مانند نسبت تحویل بسته، تاخیر انتها به انتها و سربار ترافیک را بهبود بخشد.

کلیدواژه ها:

ونت ، مسیریابی ، یادگیری تقویتی ، منطق فازی