Fugu-MT 論文翻訳(概要): Fairness-Oriented Semi-Chaotic Genetic Algorithm-Based Channel Assignment Technique for Nodes Starvation Problem in Wireless Mesh Network

論文の概要: Fairness-Oriented Semi-Chaotic Genetic Algorithm-Based Channel Assignment Technique for Nodes Starvation Problem in Wireless Mesh Network

arxiv url: http://arxiv.org/abs/2006.09655v1
Date: Wed, 17 Jun 2020 04:43:47 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 20:53:49.315742
Title: Fairness-Oriented Semi-Chaotic Genetic Algorithm-Based Channel Assignment Technique for Nodes Starvation Problem in Wireless Mesh Network
Title（参考訳）: 無線メッシュネットワークにおけるノード飢餓問題に対するFairness-Oriented Semi-Chaotic Genetic Algorithm-based Channel Assignment Technique
Authors: Fuad A. Ghaleb, Bander Ali Saleh Al-rimy, Maznah Kamat, Mohd. Foad Rohani, Shukor Abd Razak
Abstract要約: マルチ無線マルチチャネル無線メッシュネットワーク(WMN)は、IoT(Internet of Things)や車両ネットワークなど、多くの革新的な技術をサポートしている。チャネル数の制限により、チャネル間の干渉はメッシュクライアント間の帯域幅の公平な分散に悪影響を及ぼす。メッシュクライアントが利用可能なリソースを利用するためには、公平なチャネル割り当てが不可欠です。
参考スコア（独自算出の注目度）: 0.39146761527401425
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multi-Radio Multi-Channel Wireless Mesh Networks (WMNs) have emerged as a scalable, reliable, and agile wireless network that supports many types of innovative technologies such as the Internet of Things (IoT) and vehicular networks. Due to the limited number of orthogonal channels, interference between channels adversely affects the fair distribution of bandwidth among mesh clients, causing node starvation in terms of insufficient bandwidth, which impedes the adoption of WMN as an efficient access technology. Therefore, a fair channel assignment is crucial for the mesh clients to utilize the available resources. However, the node starvation problem due to unfair channel distribution has been vastly overlooked during channel assignment by the extant research. Instead, existing channel assignment algorithms either reduce the total network interference or maximize the total network throughput, which neither guarantees a fair distribution of the channels nor eliminates node starvation. To this end, the Fairness-Oriented Semi-Chaotic Genetic Algorithm-Based Channel Assignment Technique (FA-SCGA-CAA) was proposed in this paper for Nodes Starvation Problem in Wireless Mesh Networks. FA-SCGA-CAA optimizes fairness based on multiple-criterion using a modified version of the Genetic Algorithm (GA). The modification includes proposing a semi-chaotic technique for creating the primary chromosome with powerful genes. Such a chromosome was used to create a strong population that directs the search towards the global minima in an effective and efficient way. The outcome is a nonlinear fairness oriented fitness function that aims at maximizing the link fairness while minimizing the link interference. Comparison with related work shows that the proposed FA_SCGA_CAA reduced the potential nodes starvation by 22% and improved network capacity utilization by 23%.
Abstract（参考訳）: マルチ無線マルチチャネル無線メッシュネットワーク(WMN)は、IoT(Internet of Things)や車両ネットワークなど、多くの革新的な技術をサポートするスケーラブルで信頼性が高く、アジャイルな無線ネットワークとして登場した。直交チャネルの数が限られているため、チャネル間の干渉はメッシュクライアント間の帯域幅の公平な分配に悪影響を与え、効率的なアクセス技術としてwmnの採用を妨げる帯域幅の不足という観点からノード飢餓を引き起こす。したがって、メッシュクライアントが利用可能なリソースを利用するためには、公平なチャネル割り当てが不可欠である。しかし、不公平なチャネル分布によるノード飢餓問題は、現存する研究によってチャンネル割り当て中に非常に見過ごされている。その代わり、既存のチャネル割り当てアルゴリズムは、ネットワーク全体の干渉を減らすか、あるいはネットワーク全体のスループットを最大化する。この目的のために,無線メッシュネットワークにおけるノード飢餓問題に対して,Fairness-Oriented Semi-Chaotic Genetic Algorithm-Based Channel Assignment Technique (FA-SCGA-CAA)を提案する。 FA-SCGA-CAAは遺伝的アルゴリズム(GA)の修正版を用いて、多重基準に基づく公平性を最適化する。この修飾は、強力な遺伝子を持つ一次染色体を作るための半カオス技術の提案を含む。このような染色体は、効果的で効率的な方法でグローバルミニマへの探索を誘導する強い集団を形成するために用いられた。その結果,リンク干渉を最小限に抑えつつリンクフェアネスを最大化することを目的とした非線形フェアネス指向フィットネス関数が得られた。関連研究では,FA_SCGA_CAAにより電位ノードの飢餓が22%減少し,ネットワーク容量が23%向上した。

関連論文リスト

GNN-Based Joint Channel and Power Allocation in Heterogeneous Wireless Networks [9.031738020845586]
本稿では、異種無線ネットワークにおける共同資源配分問題に対処するGNNに基づくアルゴリズムを提案する。提案アルゴリズムは,従来の最適化アルゴリズムと比較して高い計算効率で良好な性能を実現する。
論文参考訳（メタデータ） (2024-07-28T04:51:00Z)
SINR-Aware Deep Reinforcement Learning for Distributed Dynamic Channel Allocation in Cognitive Interference Networks [10.514231683620517]
本稿では,複数の大規模ネットワークによるキャリヤ間干渉(ICI)とチャネル再利用を経験する実世界のシステムに焦点を当てる。 CARLTON(Channel Allocation RL To Overlapped Networks)と呼ばれる分散DCAのための新しいマルチエージェント強化学習フレームワークを提案する。本結果は,従来の最先端手法に比べて優れた効率性を示し,優れた性能とロバストな一般化を示した。
論文参考訳（メタデータ） (2024-02-17T20:03:02Z)
Graph Neural Networks for Power Allocation in Wireless Networks with Full Duplex Nodes [10.150768420975155]
ユーザ間の相互干渉のため、無線ネットワークにおける電力割り当て問題はしばしば自明ではない。グラフグラフニューラルネットワーク(GNN)は、これらの問題に対処するための有望なアプローチとして最近登場し、無線ネットワークの基盤となるトポロジを活用するアプローチである。
論文参考訳（メタデータ） (2023-03-27T10:59:09Z)
Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文参考訳（メタデータ） (2022-10-14T12:35:32Z)
IoV Scenario: Implementation of a Bandwidth Aware Algorithm in Wireless Network Communication Mode [49.734868032441625]
本稿では,マルチドメイン仮想ネットワーク埋め込みアルゴリズム(BA-VNE)を提案する。このアルゴリズムは主に、ユーザが無線通信モードで多くの帯域幅を必要とする問題を対象としている。本アルゴリズムの性能向上のために,粒子群最適化(PSO)アルゴリズムを導入する。
論文参考訳（メタデータ） (2022-02-03T03:34:06Z)
AirNet: Neural Network Transmission over the Air [20.45405359815043]
多くのエッジアプリケーションの最先端性能はディープニューラルネットワーク(DNN)によって達成される本稿では,新しいトレーニングと伝送方法のファミリーであるAirNetを紹介する。 AirNetは、送信電力と遅延制限の下で、DNNを無線チャネル上で効率的に配信することを可能にする。
論文参考訳（メタデータ） (2021-05-24T09:16:04Z)
Scalable Power Control/Beamforming in Heterogeneous Wireless Networks with Graph Neural Networks [6.631773993784724]
そこで本研究では,HIGNN(heterogeneous Interference Graphural Network)という,教師なし学習に基づく新しいフレームワークを提案する。 HIGNNは、小型ネットワークで訓練された後、堅牢なパフォーマンスで拡大するサイズのワイヤレスネットワークにスケーラブルです。
論文参考訳（メタデータ） (2021-04-12T13:36:32Z)
On Topology Optimization and Routing in Integrated Access and Backhaul Networks: A Genetic Algorithm-based Approach [70.85399600288737]
IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。メッシュベースのIABネットワークを実現する上での課題について論じる。
論文参考訳（メタデータ） (2021-02-14T21:52:05Z)
Data-Driven Random Access Optimization in Multi-Cell IoT Networks with NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文参考訳（メタデータ） (2021-01-02T15:21:08Z)
Decentralized Learning for Channel Allocation in IoT Networks over Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-03-30T10:05:35Z)
Wireless Power Control via Counterfactual Optimization of Graph Neural Networks [124.89036526192268]
本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
論文参考訳（メタデータ） (2020-02-17T07:54:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。