عنوان
ارائه يك سيستم مدل نوين مبتني بر يادگيري تقويتي عميق با هدف بهينه‌سازي فرآيندهاي تخصيص منابع و برون‌سپاري بار پردازشي در شبكه‌هاي حاشيه‌اي
نويسنده اصلي
پورفرزاد، مسعود
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
ظهور فناوري‌هاي نوين ارتباطي و گسترش اينترنت اشياء منجر به افزايش نياز به پردازش داده‌هاي حجيم و پيچيده در زمان واقعي شده است. در اين راستا، سيستم‌هاي مبتني بر محاسبات لبه به عنوان يكي از مهم‌ترين راهكارها براي مديريت منابع و تسهيل پردازش‌هاي توزيع‌شده معرفي شده‌اند. اين پژوهش با هدف بهينه‌سازي تخصيص منابع و برون‌سپاري بار پردازشي در شبكه‌هاي توزيع‌شده محاسبات لبه، به توسعه و پياده‌سازي مدلي مبتني بر يادگيري تقويتي عميق با استفاده از الگوريتم MADDPG پرداخته است. مدل پيشنهادي با بهره‌گيري از قابليت‌هاي يادگيري عميق و يادگيري تقويتي، به‌طور هوشمندانه منابع موجود را مديريت كرده و بارهاي پردازشي را به گره‌هاي مناسب در شبكه توزيع مي‌كند. اين مدل با هدف كاهش تأخير در پردازش و ارسال داده‌ها و بهينه‌سازي مصرف انرژي طراحي شده است و در شرايط مختلف محيطي و شبكه‌اي قابليت انعطاف‌پذيري و سازگاري بالايي را از خود نشان مي‌دهد. نتايج شبيه‌سازي‌ها به وضوح نشان مي‌دهد كه مدل پيشنهادي قادر است تا به‌طور مؤثري مصرف انرژي را بهينه‌سازي كرده و زمان تأخير پردازش و ارسال داده‌ها را به حداقل برساند. علاوه بر اين، ارزيابي عملكرد مدل در سناريوهاي مختلف شامل تغيير تعداد خودروها و RSUها، حاكي از آن است كه مدل مي‌تواند به‌خوبي با تغييرات محيطي و شرايط متغير شبكه سازگار شده و بهره‌وري سيستم را به‌طور قابل‌ملاحظه‌اي بهبود بخشد. اين پژوهش با بهره‌گيري از رويكردهاي پيشرفته يادگيري تقويتي عميق، نشان مي‌دهد كه مديريت هوشمندانه منابع در سيستم‌هاي توزيع‌شده مبتني بر محاسبات لبه، امكان بهينه‌سازي عملكرد كلي سيستم را فراهم مي‌سازد. به‌كارگيري اين رويكرد مي‌تواند نقش مهمي در توسعه شبكه‌هاي هوشمند و افزايش كارايي سيستم‌هاي پردازشي توزيع‌شده ايفا كند.
شماره ركورد
232297
گرايش رشته تحصيلي
هوش مصنوعي
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان