وثيقة
Reinforcement Learning for Intelligent Wireless Networks
وكيل مرتبط
Mangoud, mohab, مشرف الرسالة العلمية
تاريخ النشر
2024
اللغة
الأنجليزية
مدى
[1], 7, 176, [2] pages
مكان المؤسسة
Sakhir, Bahrain
نوع الرسالة الجامعية
Thesis (Master)
الجهه المانحه
University of Bahrain, College of Engineering, Department of Electrical and Electronics Engineering
الملخص الإنجليزي
Abstract :
The growing presence of Internet of Things (IoT) devices requires efficient and
reliable data transmission protocols. However, traditional routing protocols struggle in dynamic and resource constrained IoT networks due to factors like decentralization,
limited energy, and frequent topology changes. This thesis proposes a novel routing
protocol, modified Energy-Efficient Routing based on Reinforcement Learning
(mEER-RL), specifically designed to address these challenges and enhance
performance in both fixed and mobile IoT deployments. mEER-RL is built over the
foundation of EER-RL, a cluster-based, RL-driven protocol focused on energy
efficiency. mEER-RL contains a significant modification to address node mobility, a
crucial factor often neglected in existing cluster-RL based protocols for IoT. By
integrating mobility considerations into the RL agent's reward function, mEER-RL
dynamically adapts its routing decisions to network conditions, improving Packet
Delivery Ratio (PDR) and overall network reliability. This thesis presents a survey of
most types of cluster-based routing protocols built for IoT networks. RL techniques are
also reviewed to be applied for the routing protocol. The thesis then comprehensively
evaluates mEER-RL's performance through simulations, comparing it against the
established base protocol LEACH and EER-RL. The evaluation focuses on crucial
metrics like network lifetime, energy consumption, packet delivery ratio, and the
impact of node mobility. The results demonstrate that mEER-RL effectively balances
energy efficiency, reliability, and adaptability, making it a promising solution for
routing in complex and dynamic IoT networks. The key contributions of this work
include enhanced reliability, increased PDR, enhanced adaptability, and improved
energy efficiency for both fixed and mobile IoT environments by optimizing routing
paths and minimizing data transmission through improved multi-hop communication
techniques. For an advanced performance, compared to LEACH and EER-RL, mEERRL exhibits superior performance in terms of network lifetime, energy consumption,
and PDR.
الملخص العربي
الملخص :
التصاعد المستمر في عدد أجهزة إنترنت الأشياء يتطلب وجود بروتوكولات فعالة وموثوقة لنقل البيانات.
بالرغم من ذلك، فإن بروتوكولات النقل والتوجيه التقليدية تواجه صعوبات في التأقلم مع الظروف المتغيرة والمحدودة الموارد الخاصة بشبكات إنترنت الأشياء بسبب عدة عوامل تتضمن اللامركزية، الطاقة المحدودة، والتغيرات الهيكلية المتكررة للشبكة. تقترح هذه الأطروحة بروتوكول توجيه جديد التوجيه الموفر للطاقة استناداً إلى التعلم المعزز
المعدل، تم تصميمه خصيصاً لمواجهة هذه التحديات وتعزيز الأداء بتطبيقه في كل من شبكات إنترنت الأشياء الثابتة والمتحركة. تم بناء هذا البروتوكول على الأسس الخاصة ببروتوكول سابق التوجيه الموفر للطاقة استناداً إلى التعلم المعزز، وهو بروتوكول قائم على نظام عنقودي وموجه للتعليم المعزز ويركز على رفع كفاءة الطاقة أثناء نقل بيانات الأشياء. يحتوي البروتوكول المعدل على تغييرات مهمة لمعالجة المشكلة الناجمة عن تنقل الأجهزة، وهو عامل حاسم غالباً ما يتم إهماله في تصميم البروتوكولات القائمة على النظام العنقودي مع التعليم المعزز لإنترنت الأشياء. ومن خلال دمج الاعتبارات الخاصة بتنقل الأجهزة مع المكافأة الوظيفية للعميل الخاص بالتعليم المعزز، يقوم البروتوكول المعدل بتكييف قرارات التوجيه الخاصة به ديناميكياً مع ظروف الشبكة، مما يؤدي إلى تحسين نسبة تسليم حزم البيانات وموثوقية الشبكة بشكل عام. تقدم هذه الأطروحة دراسة شاملة استقصائية الجميع أنواع بروتوكولات التوجيه القائمة على النظام العنقودي والمصممة لشبكات انترنت الأشياء. كما وتتم مراجعة تقنيات التعليم المعزز للذكاء الاصطناعي ليتم تطبيقها على بروتوكول التوجيه تقوم هذه الأطروحة بتقييم أداء البروتوكول المعدل بشكل شامل من خلال عمليات المحاكاة ومقارنته بالبروتوكول الأساسي للبروتوكولات العنقودية والبروتوكول الغير معدل يركز التقييم على مقاييس مهمة مثل عمر الشبكة، استهلاك الطاقة، نسبة تسليم الحزم وتأثير تنقل الأجهزة توضح النتائج أن البروتوكول المعدل يوازن بشكل فعال بين كفاءة الطاقة والموثوقية والقدرة على التكيف، مما يجعله حلاً واعدا للتوجيه في شبكات إنترنت الأشياء المعقدة والديناميكية. حيث تشمل المساهمات الرئيسية لهذا العمل تعزيز الموثوقية وتحسين نسبة تسليم حزم البيانات وتعزيز القدرة على التكيف لكل من بيئات إنترنت الأشياء الثابتة والمتنقلة، وتحسين كفاءة الطاقة من خلال زيادة الجودة لاختيار مسارات التوجيه وتقليل نقل البيانات من خلال تحسين تقنيات الاتصال متعددة القفزات للحصول على أداء متقدم، يعرض البروتوكول المعدل أداء متقدماً مقارنة بالبروتوكولات الأساسية من حيث عمر الشبكة واستهلاك الطاقة ونسبة نجاح تسليم حزمة البيانات.
التصاعد المستمر في عدد أجهزة إنترنت الأشياء يتطلب وجود بروتوكولات فعالة وموثوقة لنقل البيانات.
بالرغم من ذلك، فإن بروتوكولات النقل والتوجيه التقليدية تواجه صعوبات في التأقلم مع الظروف المتغيرة والمحدودة الموارد الخاصة بشبكات إنترنت الأشياء بسبب عدة عوامل تتضمن اللامركزية، الطاقة المحدودة، والتغيرات الهيكلية المتكررة للشبكة. تقترح هذه الأطروحة بروتوكول توجيه جديد التوجيه الموفر للطاقة استناداً إلى التعلم المعزز
المعدل، تم تصميمه خصيصاً لمواجهة هذه التحديات وتعزيز الأداء بتطبيقه في كل من شبكات إنترنت الأشياء الثابتة والمتحركة. تم بناء هذا البروتوكول على الأسس الخاصة ببروتوكول سابق التوجيه الموفر للطاقة استناداً إلى التعلم المعزز، وهو بروتوكول قائم على نظام عنقودي وموجه للتعليم المعزز ويركز على رفع كفاءة الطاقة أثناء نقل بيانات الأشياء. يحتوي البروتوكول المعدل على تغييرات مهمة لمعالجة المشكلة الناجمة عن تنقل الأجهزة، وهو عامل حاسم غالباً ما يتم إهماله في تصميم البروتوكولات القائمة على النظام العنقودي مع التعليم المعزز لإنترنت الأشياء. ومن خلال دمج الاعتبارات الخاصة بتنقل الأجهزة مع المكافأة الوظيفية للعميل الخاص بالتعليم المعزز، يقوم البروتوكول المعدل بتكييف قرارات التوجيه الخاصة به ديناميكياً مع ظروف الشبكة، مما يؤدي إلى تحسين نسبة تسليم حزم البيانات وموثوقية الشبكة بشكل عام. تقدم هذه الأطروحة دراسة شاملة استقصائية الجميع أنواع بروتوكولات التوجيه القائمة على النظام العنقودي والمصممة لشبكات انترنت الأشياء. كما وتتم مراجعة تقنيات التعليم المعزز للذكاء الاصطناعي ليتم تطبيقها على بروتوكول التوجيه تقوم هذه الأطروحة بتقييم أداء البروتوكول المعدل بشكل شامل من خلال عمليات المحاكاة ومقارنته بالبروتوكول الأساسي للبروتوكولات العنقودية والبروتوكول الغير معدل يركز التقييم على مقاييس مهمة مثل عمر الشبكة، استهلاك الطاقة، نسبة تسليم الحزم وتأثير تنقل الأجهزة توضح النتائج أن البروتوكول المعدل يوازن بشكل فعال بين كفاءة الطاقة والموثوقية والقدرة على التكيف، مما يجعله حلاً واعدا للتوجيه في شبكات إنترنت الأشياء المعقدة والديناميكية. حيث تشمل المساهمات الرئيسية لهذا العمل تعزيز الموثوقية وتحسين نسبة تسليم حزم البيانات وتعزيز القدرة على التكيف لكل من بيئات إنترنت الأشياء الثابتة والمتنقلة، وتحسين كفاءة الطاقة من خلال زيادة الجودة لاختيار مسارات التوجيه وتقليل نقل البيانات من خلال تحسين تقنيات الاتصال متعددة القفزات للحصول على أداء متقدم، يعرض البروتوكول المعدل أداء متقدماً مقارنة بالبروتوكولات الأساسية من حيث عمر الشبكة واستهلاك الطاقة ونسبة نجاح تسليم حزمة البيانات.
ملاحظة
Tittel on cover :
التعليم المعزز للشبكات اللا سلكية الذكية
التعليم المعزز للشبكات اللا سلكية الذكية
المجموعة
المعرف
https://digitalrepository.uob.edu.bh/id/fe758562-a060-44ee-b59c-5ab642619586
حجم الملف
2.83 ميغا بايت
5
1