کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10146007 1646387 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An adaptive channel assignment in wireless mesh network: The learning automata approach
ترجمه فارسی عنوان
تخصیص کانال تطبیقی ​​در شبکه شبکه مش: روش اتوماتیک یادگیری
کلمات کلیدی
ترجمه چکیده
در شبکه های مشبک بی سیم، تغییرات تصادفی در محیط می تواند پیچیدگی تخصیص چند کاناله را افزایش دهد. در این کار، یک طرح جدید تخصیص کانال بر مبنای اتوماتیک یادگیری پیشنهاد شده است که با پیش بینی دینامیک شبکه، عملکرد کلی شبکه را بهبود می بخشد. اول، ما از یک تابع مفید عملی استفاده می کنیم که منعکس کننده ترجیح کاربر نسبت به نسبت سیگنال به تداخل و نویز اعمال می شود. در الگوریتم یادگیری چند اتوماتیک، هر کاربر یک استراتژی انتخاب کانال را با محاسبه ارزش افزوده در یک روش تکرار تصادفی ارزیابی می کند. تابع ابزار که به طور بالقوه نشان دهنده اندازه رضایت است، توسط هر گره به عنوان پاسخ محیطی به استراتژی انتخاب شده فعلی مورد استفاده قرار می گیرد. در الگوریتم پیشنهادی، با تغییر الگو ترافیک شبکه، تخصیص کانال با شرایط دینامیکی شبکه سازگار می باشد. ارزیابی مبتنی بر شبیه سازی گسترده از الگوریتم ما نشان می دهد که الگوریتم پیشنهاد شده به یک نقطه تعادل می رسد، که همچنین برای خط مشی تخصیص کانال مناسب است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
In wireless mesh networks, random changes in the environment can increase the complexity of the multi-channel assignment. In this work, a new channel assignment scheme based on learning automata is proposed, which adaptively improves the network's overall performance by predicting network dynamics. First, we use a practical utility function that reflected the user's preference regarding the signal-to-interference-and-noise ratio is applied. In the multi-automata learning algorithm, each user evaluates a channel selection strategy by computing a utility value in a stochastic iterative procedure. The utility function that potentially reflects a measure of satisfaction is used by every node as an environmental response to the current selected strategy. In the proposed algorithm, by changing network traffic pattern, the channel allocation varies adaptively with dynamic conditions of the network. Extensive simulation-based evaluation of our algorithm demonstrates that the proposed algorithm converges to an equilibrium point, which is also optimal for channel assignment policy.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Electrical Engineering - Volume 72, November 2018, Pages 79-91
نویسندگان
, ,