검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Open Access
Optimal Planning of Emergency Communication Network Using Deep Reinforcement Learning
오픈 액세스
심층 강화 학습을 이용한 비상 통신 네트워크의 최적 계획

Changsheng YIN, Ruopeng YANG, Wei ZHU, Xiaofei ZOU, Junda ZHANG

  • 조회수

    141

  • 이것을 인용
  • Free PDF (1.7MB)

요약 :

본 논문에서는 높은 사전 지식을 요구하고 적시성이 약한 기존 알고리즘의 문제점을 해결하기 위해 심층 강화학습 기반의 비상 통신 네트워크 토폴로지 계획 방법을 제안합니다. 비상통신망의 특성을 바탕으로 체스를 그려 네트워크 계획에 있어서의 노드 레이아웃과 토폴로지 계획 문제를 체스 게임 문제에 매핑합니다. 네트워크 계획을 위한 평가 기준을 구성하기 위해 네트워크 범위와 연결성의 두 가지 요소가 고려됩니다. 네트워크 계획 샘플 데이터 생성을 구현하기 위해 몬테카를로 트리 탐색과 셀프 게임을 결합하는 방법을 사용하고 잔여 네트워크를 기반으로 한 네트워크 계획 전략 네트워크와 가치 네트워크 구조를 설계합니다. 이를 바탕으로 Tensorflow 라이브러리를 기반으로 모델을 구축하고 학습시켰습니다. 시뮬레이션 결과는 제안된 계획 방법이 네트워크 토폴로지의 지능적 계획을 효과적으로 구현할 수 있으며 적시성과 타당성이 우수하다는 것을 보여줍니다.

발행
IEICE TRANSACTIONS on Communications Vol.E104-B No.1 pp.20-26
발행일
2021/01/01
공개일
2020/06/29
온라인 ISSN
1745-1345
DOI
10.1587/transcom.2020EBP3061
원고의 종류
PAPER
범주
네트워크

작성자

Changsheng YIN
  National University of Defense Technology
Ruopeng YANG
  National University of Defense Technology
Wei ZHU
  National University of Defense Technology
Xiaofei ZOU
  National University of Defense Technology
Junda ZHANG
  Naval Aviation University

키워드