論文の概要: Fully-echoed Q-routing with Simulated Annealing Inference for Flying Adhoc Networks

• arxiv url: http://arxiv.org/abs/2103.12870v1
• Date: Tue, 23 Mar 2021 22:28:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-25 23:49:30.838971
• Title: Fully-echoed Q-routing with Simulated Annealing Inference for Flying Adhoc Networks
• Title（参考訳）: フライングアドホックネットワークにおける擬似アニーリング推論を用いた完全音声Qルーチン
• Authors: Arnau Rovira-Sugranes, Fatemeh Afghah, Junsuo Qu, Abolfazl Razi
• Abstract要約: 自己適応学習率のフルエコーQ-routingアルゴリズムを提案する。 提案手法は,アートqルーティングプロトコルの状況と比較して,7%から82%までのエネルギー消費量の削減と2.6倍のパケット配送率の向上を示した。
• 参考スコア（独自算出の注目度）: 6.3372141874912735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current networking protocols deem inefficient in accommodating the two key challenges of Unmanned Aerial Vehicle (UAV) networks, namely the network connectivity loss and energy limitations. One approach to solve these issues is using learning-based routing protocols to make close-to-optimal local decisions by the network nodes, and Q-routing is a bold example of such protocols. However, the performance of the current implementations of Q-routing algorithms is not yet satisfactory, mainly due to the lack of adaptability to continued topology changes. In this paper, we propose a full-echo Q-routing algorithm with a self-adaptive learning rate that utilizes Simulated Annealing (SA) optimization to control the exploration rate of the algorithm through the temperature decline rate, which in turn is regulated by the experienced variation rate of the Q-values. Our results show that our method adapts to the network dynamicity without the need for manual re-initialization at transition points (abrupt network topology changes). Our method exhibits a reduction in the energy consumption ranging from 7% up to 82%, as well as a 2.6 fold gain in successful packet delivery rate}, compared to the state of the art Q-routing protocols
• Abstract（参考訳）: 現在のネットワークプロトコルは、無人航空機(uav)ネットワークの2つの重要な課題、すなわちネットワーク接続損失とエネルギー制限を満たさないと考えている。 これらの問題を解決するアプローチの1つは、学習ベースのルーティングプロトコルを使用して、ネットワークノードによる最適なローカル決定を行い、Q-routingはそのようなプロトコルの大胆な例である。 しかし、Qルーティングアルゴリズムの現在の実装の性能は、主に継続的なトポロジー変化への適応性の欠如のために、まだ満足できない。 本稿では,シミュレーションアニーリング(SA)最適化を用いた自己適応学習率を用いたQ-routingアルゴリズムを提案し,温度低下率を用いてアルゴリズムの探索率を制御し,Q-値の経験的変動率によって制御する。 提案手法は,遷移点における手動再初期化を必要とせず,ネットワークの動的性に適応することを示す。 提案手法は,Qルーティングプロトコルの現状と比較して,7%から82%までのエネルギー消費を削減し,パケット送出率を2.6倍に向上させる。

関連論文リスト

• Enhancing Variational Quantum Circuit Training: An Improved Neural Network Approach for Barren Plateau Mitigation [0.0]
  変分量子アルゴリズム(VQA)は、短期量子コンピューティングにおいて最も有望なアルゴリズムの一つである。 コスト関数を最適化するために回路パラメータを反復的に更新する。 変分量子回路(VQCs)の訓練は、バレンプラトー(BPs)と呼ばれる現象の影響を受けやすい
  論文  参考訳（メタデータ） (2024-11-14T06:43:37Z)
• SPARQ: Efficient Entanglement Distribution and Routing in Space-Air-Ground Quantum Networks [50.91365514137301]
  宇宙空間量子(SPARQ)ネットワークは、シームレスなオンデマンドの絡み合い分布を提供する手段として開発された。 SPARQの複数のグラフ上でディープQネットワーク(DQN)を用いて深層強化学習フレームワークを提案し,訓練した。 通信相手間の絡み合いを確立するために,サードパーティの絡み合い分散政策を提案する。
  論文  参考訳（メタデータ） (2024-09-19T16:31:37Z)
• Improved Q-learning based Multi-hop Routing for UAV-Assisted Communication [4.799822253865053]
  本稿では,Q-Learning-based Multi-hop Routing (IQMR) アルゴリズムを提案する。 ルーティング決定にQ(lambda)学習を用いることで、IQMRはエネルギー効率とネットワークデータのスループットを大幅に向上する。
  論文  参考訳（メタデータ） (2024-08-17T06:24:31Z)
• Reinforcement-Learning based routing for packet-optical networks with hybrid telemetry [0.3848364262836075]
  このアルゴリズムは,FEC前BERで測定したリンク負荷変化やリンク劣化に対する最適ポリシーを再計算することにより,ネットワーク条件の変化に動的に適応することを示した。
  論文  参考訳（メタデータ） (2024-06-18T13:32:12Z)
• Multi-Agent Reinforcement Learning for Network Routing in Integrated Access Backhaul Networks [0.0]
  IABネットワークの遅延を最小化しながらパケット到着率を最大化することを目的としている。 この問題を解決するため、我々はマルチエージェントで部分的に観察されたマルコフ決定プロセス(POMD)を開発した。 A2Cは他の強化学習アルゴリズムよりも優れており、ネットワーク効率が向上し、利己的エージェントの挙動が低下することを示した。
  論文  参考訳（メタデータ） (2023-05-12T13:03:26Z)
• Dynamic Routing for Quantum Key Distribution Networks [2.913123182364138]
  本稿では,量子リピータと少数の信頼ノードを持つ量子ネットワークにおける量子鍵分布(QKD)について考察する。 我々は,現在のネットワーク状態に基づいてルーティング決定を行う動的ルーティング戦略を開発し,様々な古典的/量子的後処理手法を評価する。
  論文  参考訳（メタデータ） (2022-12-06T17:17:12Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
  絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。 量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
  論文  参考訳（メタデータ） (2021-11-15T14:07:22Z)
• Deep Reinforcement Learning Aided Packet-Routing For Aeronautical Ad-Hoc Networks Formed by Passenger Planes [99.54065757867554]
  エンド・ツー・エンド(E2E)遅延の最小化を目的としたAANETにおけるルーティングのための深層強化学習を起動する。 最深Qネットワーク(DQN)は、転送ノードで観測される最適ルーティング決定と局所的な地理的情報との関係をキャプチャする。 フィードバック機構を組み込んだディープバリューネットワーク(DVN)を用いて,システムのダイナミクスに関する知識をさらに活用する。
  論文  参考訳（メタデータ） (2021-10-28T14:18:56Z)
• 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)
• Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
  不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。 本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-23T19:00:01Z)

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。