چکيده
چشم انداز رايج اين است كه وسايل نقليه (مانند اتومبيل، كاميون، قطار و غيره) در آينده با كمك
شبكه هاي بي سيم فراگير، در هر زمان و هر مكاني كه انتظار مي رود منجر به بهبود ايمني جاده ها، افزايش آگاهي موقعيتي، افزايش راحتي سفر، كاهش تراكم ترافيك، كاهش آلودگي هوا و كاهش هزينه هاي زيرساخت جاده اي شود. مركز اين چشم انداز يك شبكه خودرويي مقياس پذير و هوشمند است كه مسئول تبادل اطلاعات كارآمد بين وسايل نقليه با يكديگر و يا بين وسايل نقليه و ساير كاربران جاده و
زيرساخت هاي كنار جاده، ارتباطات وسيله نقليه به همه چيز است. شبكه هاي وسايل نقليه به عنوان يك عامل مؤثر براي سيستم هاي حمل ونقل هوشمند ، شهرهاي هوشمند، و رانندگي خودران، در سال هاي اخير علاقه هاي تحقيقاتي قابل توجهي را از جوامع دانشگاهي و صنعتي به خود جلب كرده اند.
از طرفي ديگر، توزيع و تخصيص بهينه منابع، همواره يكي از اساسي ترين مشكلات بر سر راه طراحي سيستم هاي حمل و نقل بوده است. منابع محدود و افزايش روز افزون سيستم هاي بي سيم، تخصيص عادلانه منابع را جهت كارايي بيشتر و برآورده ساختن نيازهاي كيفيت سطح خدمات كاربران به چالش
مي كشد؛ بنابراين الگوريتم هاي قوي و كار آمد تخصيص منابع براي موفقيت شبكه هاي خودرويي آينده امري ضروري هستند. با توجه به رشد روز افزون سيستم هاي بي سيم، به دست آوردن راه حل هاي بهينه تخصيص منابع امري قابل توجه مي باشد.
در اين گزارش مشكلات موجود در تخصيص منابع را بررسي مي كنيم و در ادامه با روش هاي هوش مصنوعي و به طور ويژه تر يادگيري ماشين براي حل اين مشكلات آشنا مي شويم.
