شماره ركورد
10266
پديد آورنده
اميرحسين غلامي
عنوان
يادگيري تقويتي عميق چند عامله توزيع شده همكارانه در لبه اينترنت وسايل نقليه
مقطع تحصيلي
كارشناسي
رشته تحصيلي
مهندسي برق مخابرات
سال فارغ التحصيلي
1404
استاد راهنما
شاهرخ فرهمند
دانشجوي وارد كننده اطلاعات
اميرحسين غلامي
تاريخ ورود اطلاعات
1404/12/02
دانشكده
مهندسي برق
عنوان به انگليسي
Distributed Deep Multi-Agent Reinforcement Learning for Cooperative Edge Caching in Internet-of-Vehicles
چكيده
ذخيره سازي اطلاعات و دسترسي به آن همواره يكي از اركان مهم در سيستمهاي تبادل اطلاعات است كه در اطرافمان مشاهده ميكنيم. به طور كلي در طراحي چنين سيستمي با چالشهايي از جمله محدوديت فضاي ذخيرهسازي و سرعت دسترسي به اطلاعات موجود در حافظه روبهرو هستيم.
يك سيستم caching در بحث سرعت دسترسي به اطلاعات كمك ميكند كه اطلاعات با اهميت بيشتر و يا محبوبتر را با قرار دادن در حافظه cache با تاخير كمتري به مقصد مورد نظر برسانيم.
در اين پروژه به بررسي كاربرد caching در شبكههاي مبتني بر اينترنت وسايل نقليه پرداخته ميشود. ابتدا به بررسي چالشهاي caching در اين شبكهها پرداخته ميشود. از جمله اين چالشها ميتوان به سرعت بالاي وسايل نقليه، حجم زياد بسياري از دادههاي درخواستي و نياز به يادگرفتن الگوي بهينه caching در شبكه اشاره كرد و بر اين اساس نياز به يافتن يك استراتژي بهينه براي ذخيره سازي اطلاعات مهم و با اهميت در لبه شبكه از اهميت بالايي برخوردار است. با توجه به اينكه حجم اطلاعاتي كه در اين نوع از شبكهها توليد و يا درخواست ميشود بسيار زياد است، لازم است كه يك سياست بهينه براي ذخيره سازي اطلاعات مهمتر اتخاذ شود زيرا لازم است ترافيك شبكه backhaul تا حد امكان كاهش يابد و از طرفي تاخير ارسال اطلاعات به سمت كاربران تا حد امكان كمتر شود.
استفاده از caching اطلاعات روشي است كه در اين پروژه مورد استفاده قرار گرفته است، اما استراتژيهاي متداول caching در مساله مورد بررسي با چالشهايي مواجه ميشوند، اين موضوع موجب شده است كه ابتدا يك مساله بهينه سازي مناسب طرح شود تا بتوانيم استراتژي بهينه را بيابيم، اما حل اين مسئله با پيچيدگيهايي همراه است كه موجب ميشود از تركيب آن با روشهاي يادگيري تقويتي چند عامله و يادگيري تقويتي عميق چند عامله براي حل اين مسئله استفاده شود.
استفاده از روشهاي چند عامله كه با همكاري عوامل همراه است كمك ميكند كه بتوان مسائل پيچيده مانند اين مسئله را حل كرد، در نهايت يك مقايسه عملكردي بين هزينه روشهاي مختلف انجام گرفته است كه بر اساس آن استراتژي بهينه در caching مشخص ميشود.
كليدواژه ها
يادگيري تقويتي چند عامله , خيره سازي لبه , يادگيري عميق , شبكه وسايل نقليه