FenixEdu™

Dissertação

Optimization of UAV message delivery trajectories in partitioned Mobile Ad-hoc Networks using Deep Queue Learning EVALUATED

Detalhes: Neste mundo cada vez mais conectado, as comunicações wi-fi e móveis tornaram-se indispensáveis. No entanto, estas conexões essenciais estão geralmente limitadas a cidades metropolitanas com infraestrutura de rede estabelecidas. Áreas rurais bem como regiões de desastres, enfrentam interrupções frequentes ou falta de infraestrutura. Os veículos aéreos não tripulados (UAVs) apresentam uma solução promissora para enfrentar estes desafios. Este trabalho explora a aplicação de técnicas de aprendizagem automática, especificamente algoritmos de aprendizagem por reenforço, para estabelecer caminhos de comunicação ótimos entre os nós da rede. Com base em pesquisas anteriores, propomos o desenvolvimento de um algoritmo já realizado num trabalho anterior: aprendizagem por reenforço e de seguida a otimização por integração de redes neuronais. Esta modificação visa estender a aplicação do algoritmo a cenários de rede mais complexos. Para avaliar a abordagem proposta, foi utilizado o openAIGym para simular, e redes compostas por N nós e um UAV. Os resultados revelam que a abordagem através da aprendizagem por reenforço provou ser a mais eficiente, obtendo resultados comparáveis ao trabalho anterior em que se baseou o nosso estudo. No entanto, quando aplicado a redes mais complexas, são necessárias melhorias para alcançar melhores resultados. Embora fosse expectável que a introdução de redes neurais melhorasse o desempenho do aprendizagem por reenforço, foram encontrados desafios que devem ser abordados em pesquisas futuras. O trabalho futuro incidirá na resolução dos desafios identificados na última abordagem.
Keywords: Comunicações, Aprendizagem automática, Aprendizagem por reforço, Redes neuronais, Drones

Discussão: junho 21, 2023, 10:30