بهبود مکانیسم اقتصادی استخراج ارزدیجیتال با استفاده از الگوریتم بهینه ساز شاهین هریس و الگوریتم یادگیری تقویتی

استخراج ارزهای دیجیتال یکی از فرایندهای حیاتی در شبکه‌های بلاک‌چین است که به تایید تراکنش‌ها و امنیت شبکه کمک می‌کند. بااین‌حال، این فرایند با چالش‌های متعددی از جمله مصرف بالای انرژی، هزینه‌های بالای سخت‌افزار، کاهش بهره‌وری اقتصادی و افزایش سختی شبکه مواجه است. علاوه بر این، توزیع نامتعادل قدرت هش در میان استخراج‌کنندگان و نوسانات قیمت ارزهای دیجیتال، سودآوری استخراج را تحت‌تاثیر قرار می‌دهد. این چالش‌ها نیاز به بهینه‌سازی مکانیسم‌های استخراج و کاهش هزینه‌های عملیاتی را بیش‌ازپیش ضروری کرده است. یکی از راهکارهای نوین برای بهبود بهره‌وری استخراج، استفاده از الگوریتم‌های یادگیری تقویتی است. بااین‌حال، تنظیم پارامترهای کلیدی الگوریتم یادگیری تقویتی مانند نرخ یادگیری، نرخ تخفیف و احتمال اکتشاف تاثیر مستقیمی بر عملکرد آن دارد و نیازمند تنظیم دقیق است. در این پژوهش، برای بهینه‌سازی خودکار پارامترهای الگوریتم یادگیری تقویتی، از الگوریتم شاهین هریس استفاده شده است. این الگوریتم به‌عنوان یک روش بهینه‌سازی الهام‌گرفته از طبیعت، با شبیه‌سازی رفتار شکار شاهین‌ها، بهترین مقادیر پارامترهای یادگیری تقویتی را در هر مرحله تنظیم می‌کند. این رویکرد موجب بهبود سرعت همگرایی مدل، کاهش هزینه‌های عملیاتی، افزایش کارایی استخراج و تعادل بهتر در توزیع درآمد ماینرها می‌شود. نتایج شبیه‌سازی‌ها نشان می‌دهد که استفاده از الگوریتم شاهین هریس برای تنظیم پارامترهای یادگیری تقویتی موجب بهبود قابل‌توجهی در عملکرد استخراج شده است. میانگین قدرت هش از مقدار 14.19 در روش پایه به مقدار 16.2 در روش پیشنهادی افزایش‌یافته است که نشان‌دهنده افزایش توان پردازشی شبکه است. همچنین، انحراف هش از تعادل از مقدار 1.82 به مقدار 0.34 کاهش‌یافته است که بیانگر توزیع یکنواخت‌تر قدرت هش بین ماینرها است. از نظر سودآوری، میانگین درآمد ماینرها از مقدار 5.08 به مقدار 5.1 افزایش‌یافته است و انحراف درآمد از تعادل از مقدار 1.81 به مقدار 0.07 کاهش‌یافته است که نشان می‌دهد روش پیشنهادی موجب توزیع عادلانه‌تر سود بین استخراج‌کنندگان شده است.