Fugu-MT 論文翻訳(概要): Evolutionary Power-Aware Routing in VANETs using Monte-Carlo Simulation

論文の概要: Evolutionary Power-Aware Routing in VANETs using Monte-Carlo Simulation

arxiv url: http://arxiv.org/abs/2502.10417v1
Date: Sat, 01 Feb 2025 14:29:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-02 04:52:27.646273
Title: Evolutionary Power-Aware Routing in VANETs using Monte-Carlo Simulation
Title（参考訳）: モンテカルロシミュレーションによるVANETの進化的パワーアウェアルーティング
Authors: J. Toutouh, S. Nesmachnow, E. Alba,
Abstract要約: 本研究は、車載ネットワークにおけるAODVルーティングプロトコルの消費電力削減を最適化問題として扱う。進化的アルゴリズムと並列モンテカルロシミュレーションを用いてエネルギー効率の良いAODV構成を探索する自動手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This work addresses the reduction of power consumption of the AODV routing protocol in vehicular networks as an optimization problem. Nowadays, network designers focus on energy-aware communication protocols, specially to deploy wireless networks. Here, we introduce an automatic method to search for energy-efficient AODV configurations by using an evolutionary algorithm and parallel Monte-Carlo simulations to improve the accuracy of the evaluation of tentative solutions. The experimental results demonstrate that significant power consumption improvements over the standard configuration can be attained, with no noteworthy loss in the quality of service.
Abstract（参考訳）: 本研究は、車載ネットワークにおけるAODVルーティングプロトコルの消費電力削減を最適化問題として扱う。今日では、ネットワークデザイナは、特に無線ネットワークの展開にエネルギーを意識した通信プロトコルに重点を置いている。本稿では,進化的アルゴリズムと並列モンテカルロシミュレーションを用いて,エネルギー効率の高いAODV構成を探索し,仮解の評価精度を向上させる手法を提案する。実験結果から, サービス品質を損なうことなく, 標準構成よりも大幅な電力消費の改善が達成できることが示唆された。

関連論文リスト

Fast energy-aware OLSR routing in VANETs by means of a parallel evolutionary algorithm [2.3377096938127684]
本研究は,車載ネットワークにおけるOLSRルーティングプロトコルの消費電力削減に対処する。本稿では,並列進化アルゴリズムを用いてエネルギー効率の高いOLSR構成を探索する高速自動手法を提案する。
論文参考訳（メタデータ） (2025-01-17T07:26:28Z)
Intelligent OLSR Routing Protocol Optimization for VANETs [4.734135226897704]
本稿では、最適化リンク状態ルーティング(OLSR)の最適パラメータ設定を扱う。実験では、調整されたOLSR構成により、標準的なコメント要求(RFC 3626)よりも品質の高いサービス品質(QoS)が得られる。
論文参考訳（メタデータ） (2025-01-16T18:05:28Z)
Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文参考訳（メタデータ） (2025-01-11T02:32:42Z)
DRL Optimization Trajectory Generation via Wireless Network Intent-Guided Diffusion Models for Optimizing Resource Allocation [58.62766376631344]
本稿では、無線通信ネットワークの異なる状態変化に対応するために、カスタマイズされた無線ネットワークインテント(WNI-G)モデルを提案する。大規模シミュレーションにより、動的通信システムにおけるスペクトル効率と従来のDRLモデルの変動の安定性が向上する。
論文参考訳（メタデータ） (2024-10-18T14:04:38Z)
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)
Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文参考訳（メタデータ） (2023-09-16T11:37:23Z)
Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文参考訳（メタデータ） (2023-01-20T17:06:34Z)
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)
Offline Contextual Bandits for Wireless Network Optimization [107.24086150482843]
本稿では,ユーザ要求の変化に応じて,ネットワーク内の各セルの構成パラメータを自動的に調整するポリシの学習方法について検討する。私たちのソリューションは、オフライン学習のための既存の方法を組み合わせて、この文脈で生じる重要な課題を克服する原則的な方法でそれらを適応します。
論文参考訳（メタデータ） (2021-11-11T11:31:20Z)
Fully-echoed Q-routing with Simulated Annealing Inference for Flying Adhoc Networks [6.3372141874912735]
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。
論文参考訳（メタデータ） (2021-03-23T22:28:26Z)

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。