مسیریابی در شبکه های موردی بین خودرویی با استفاده از الگوریتم یادگیری تقویتی مبتنی برمدل

تجهیز وسایل نقلیه به فناوری‌های بی‌سیم، به شکل گیری شبکه های نسبتا جدید به نام شبکه‌های موردی وسایل نقلیه یا ونت منجر شده است. این شبکه‌ها در حوزه‌های مختلفی مانند موارد اضطراری، ایمنی و سرگرمی کاربرد دارند ضمن اینکه به عنوان جزء اصلی سیستم‌های حمل و نقل هوشمند نیز محسوب می‌شوند. با این حال، به دلیل سرعت گره‌ها (وسایل نقلیه)، تراکم متغیر، وجود موانع و عدم وجود زیرساخت ثابت، یافتن و حفظ مسیر بین گره‌ها همواره چالشی در ونت بوده است. هر پروتکل مسیریابی تنها زمانی موثر است که گره‌ها بتوانند با چنین محیط پویایی سازگار شده و امکان یادگیری داشته باشند. یکی از راه‌های دستیابی به این سازگاری، استفاده از تکنیک‌های یادگیری ماشین است. در این مقاله، برای رسیدن به این هدف از یادگیری تقویتی چندعاملی استفاده شده است که به عامل‌ها امکان حل مسئله بهینه‌سازی مسیریابی به صورت توزیع‌شده را می‌دهد. اگرچه روش‌های یادگیری تقویتی بدون مدل برای این منظور معرفی شده‌اند، اما این تکنیک‌ها از طریق آزمون و خطا در محیط واقعی یاد می‌گیرند و بنابراین نمی‌توانند در زمان کوتاه به سیاست بهینه دست یابند. برای حل این مشکل، یک طرح مسیریابی مبتنی بر یادگیری تقویتی مدل‌محور پیشنهاد شده است. همچنین یک سیستم منطق فازی برای ارزیابی کیفیت ارتباط بین گره‌های همسایه بر اساس پارامترهایی مانند سرعت و کیفیت اتصال توسعه داده شده است. خروجی‌های این سیستم فازی برای تشکیل مدل انتقال حالت مورد نیاز در یادگیری تقویتی استفاده شده‌اند. نتایج ارزیابی‌ها نشان می‌دهد که این روش می‌تواند معیارهای مسیریابی مانند نسبت تحویل بسته، تاخیر انتها به انتها و سربار ترافیک را بهبود بخشد.