FenixEdu™

Dissertação

Otimização de Flying Mobile Networks EVALUATED

Detalhes: No mundo atual, tornou-se imprescindível um constante acesso a redes móveis, desde o uso mais banal do quotidiano até às mais complexas funções profissionais. Contudo, devido à falta de infraestruturas em variados pontos do globo, as tradicionais conexões a que estamos habituados a ter acesso principalmente nas grandes cidades possuem, por vezes, limitações e falhas a nível da qualidade de serviço. Para esta falha local ou pontual, os veículos aéreos não tripulados (UAVs) apresentam uma solução vantajosa no fornecimento de uma rede móvel e sem fios. Este trabalho estuda a otimização a alocação espacial dos UAVs através da inteligência artificial, mais concretamente da aprendizagem por reforço e de redes neuronais, com o objetivo de fornecer uma rede de telecomunicações com a melhor qualidade possível, ou seja, cobrindo um maior número de utilizadores. Foram desenvolvidos vários algoritmos em Python, utilizando a biblioteca de aprendizagem por reforço profundo (Deep Q Learning) Keras, tanto centralizados como descentralizados, de forma a explorar os resultados dos mesmos e a avaliar a sua utilização de forma prática relativamente à qualidade de rede obtida no espaço de simulação e dos recursos utilizados para tal. Os resultados revelam que é possível obter um mecanismo de aprendizagem por reforço para determinar uma disposição da rede de UAVs razoável, contudo, também revelaram algumas limitações especialmente em redes mais complexas. A proposta de trabalho futuro visa uma análise mais profunda nesses mesmo casos, assim como numa maior otimização dos cenários estudados já com resultados satisfatórios.
Keywords: Telecomunicações, Veículos aéreos não tripulados, Redes neuronais, Aprendizagem por reforço, Deep Q learning

Discussão: novembro 16, 2023, 10:30