ارزیابی و مقایسه الگوریتم های جستجوی قطعی و یادگیری تقویتی در مسیریابی محیط های شبکه ای و شهری
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 25
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTAE-10-3_008
تاریخ نمایه سازی: 22 آبان 1405
چکیده مقاله:
این پژوهش به ارزیابی مقایسه ای جامع سه الگوریتم مسیریابی در محیط های شبکه ای ایستا با موانع پیچیده می پردازد. الگوریتم ها شامل آ استار به عنوان روش قطعی مبتنی بر جستجوی هیوریستیک، یادگیری کیو به عنوان رویکرد کلاسیک یادگیری تقویتی و یادگیری دوگانه کیو به عنوان نسخه بهبودیافته با هدف کاهش بیش برآورد هستند. آزمایش ها در دو محیط متفاوت شامل یک شبکه ساده ۲۵×۲۵ و یک محیط شهری پیچیده ۴۰×۴۰ انجام شد و عملکرد هر الگوریتم بر اساس معیارهای چندبعدی شامل طول مسیر، زمان اجرا، نرخ موفقیت، کیفیت مسیر (تعداد پیچش ها) و پایداری یادگیری مورد سنجش قرار گرفت. به منظور اطمینان از قابلیت اتکای نتایج، هر الگوریتم به صورت ۳۰ اجرای مکرر آزمایش شد و تحلیل های آماری پیشرفته شامل محاسبه فواصل اطمینان ۹۵ درصد، آزمون تی-تست جفتی و تحلیل واریانس بر روی داده ها اعمال گردید. یافته ها نشان داد که الگوریتم آ استار در تمامی معیارها عملکرد برتری داشته و با میانگین طول مسیر ۴۲ گام، زمان اجرای ۰۰۴۳/۰ ثانیه و ۷ پیچش، بهینه ترین و نرم ترین مسیر را تولید می کند. الگوریتم های یادگیری تقویتی اگرچه به نرخ موفقیت ۱۰۰ درصدی دست یافتند، اما به زمان اجرای به مراتب بیشتری نیاز داشتند و مسیرهای با کیفیت پایین تری (با ۱۹ و ۲۰ پیچش) ایجاد کردند. در محیط شهری، اختلاف عملکرد الگوریتم ها تشدید شد و افت بهینگی یادگیری دوگانه کیو کاهش یافت. یافته ها نشان دادند که الگوریتم های مبتنی بر یادگیری تقویتی در محیط های ناشناخته، پویا و دارای عدم قطعیت از قابلیت انطباق بیشتری برخوردارند، در حالی که الگوریتم آ استار در محیط های ایستا و شناخته شده عملکرد بهینه تری دارد.
کلیدواژه ها:
نویسندگان
ایمان شفیعی نژاد
استادیار، پژوهشگاه هوافضا، وزارت علوم تحقیقات و فناوری، تهران، ایران.
فائزه شکری
دانشجوی دکتری، پژوهشگاه هوافضا، وزارت علوم، تحقیقات و فناوری، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :