بهبود مکانیسم اقتصادی استخراج ارز دیجیتال با استفاده از الگوریتم بهینه ساز شاهین هریس و الگوریتم یادگیری تقویتی

استخراج ارزهای دیجیتال یکی از فرایندهای حیاتی در شبکه های بلاک چین است که به تایید تراکنش ها و امنیت شبکه کمک می کند. با این حال این فرایند با چالش های متعددی از جمله مصرف بالای انرژی، هزینه های بالای سخت افزار، کاهش بهره وری اقتصادی و افزایش سختی شبکه مواجه است. علاوه بر این توزیع نامتعادل قدرت هش در میان استخراج کنندگان و نوسانات قیمت ارزهای دیجیتال سودآوری استخراج را تحت تاثیر قرار می دهد. این چالش ها نیاز به بهینه سازی مکانیسم های استخراج و کاهش هزینه های عملیاتی را بیش از پیش ضروری کرده است. یکی از راهکارهای نوین برای بهبود بهره وری استخراج، استفاده از الگوریتم های یادگیری تقویتی است. با این حال تنظیم پارامترهای کلیدی الگوریتم یادگیری تقویتی مانند نرخ یادگیری، نرخ تخفیف و احتمال اکتشاف تاثیر مستقیمی بر عملکرد آن دارد و نیازمند تنظیم دقیق است. در این پژوهش، برای بهینه سازی خودکار پارامترهای الگوریتم یادگیری تقویتی از الگوریتم شاهین هریس استفاده شده است. این الگوریتم به عنوان یک روش بهینه سازی الهام گرفته از طبیعت با شبیه سازی رفتار شکار شاهین ها بهترین مقادیر پارامترهای یادگیری تقویتی را در هر مرحله تنظیم می کند. این رویکرد موجب بهبود سرعت همگرایی مدل، کاهش هزینه های عملیاتی، افزایش کارایی استخراج و تعادل بهتر در توزیع درآمد ماینرها می شود. نتایج شبیه سازی ها نشان می دهد که استفاده از الگوریتم شاهین هریس برای تنظیم پارامترهای یادگیری تقویتی موجب بهبود قابل توجهی در عملکرد استخراج شده است. میانگین قدرت هش از مقدار ۱۴.۱۹ در روش پایه به مقدار ۱۶.۲ در روش پیشنهادی افزایش یافته است که نشان دهنده افزایش توان پردازشی شبکه است. همچنین انحراف هش از تعادل از مقدار ۱.۸۲ به مقدار ۰.۳۴ کاهش یافته است که بیانگر توزیع یکنواخت تر قدرت هش بین ماینرها است. از نظر سودآوری میانگین درآمد ماینرها از مقدار ۵۰۰۸ به مقدار ۵.۱ افزایش یافته است و انحراف درآمد از تعادل از مقدار ۱۸۱ به مقدار ۰.۰۷ کاهش یافته است که نشان می دهد روش پیشنهادی موجب توزیع عادلانه تر سود بین استخراج کنندگان شده است.

کلیدواژه ها:

ارز دیجیتال ، بلاک چین ، الگوریتم یادگیری تقویتی ، الگوریتم شاهین هریس