کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

بهینه‌سازی مسیر وسیله ی نقلیه ی هوایی بدون سرنشین جهت کاهش زمان جمع آوری داده از حسگرها در شبکه ی اینترنت اشیا مبتنی بر الگوریتم یادگیری تقویتی عمیق

نویسندگان :

محمد ناظمی جنابی¹ هادی اشعریون² مهدی پورقلی³

1- دانشگاه شهید بهشتی 2- دانشگاه شهید بهشتی 3- دانشگاه شهید بهشتی

کلمات کلیدی :

وسیله نقلیه هوایی بدون سرنشین (UAV)،برنامه‌ریزی مسیر سه‌بعدی،جمع‌آوری داده،یادگیری تقویتی عمیق

چکیده :

با رشد شتابان تعداد کاربران و خدمات در شبکه‌های ارتباطی، انتظار می‌رود وسایل نقلیه‌ی هوایی بدون سرنشین (UAVها) نقش مهمی در نسل‌های آینده‌ی سیستم‌های ارتباطی بی‌سیم ایفا کنند. یکی از کاربردهای کلیدی UAVها، جمع‌آوری داده از شبکه‌های اینترنت اشیاء (IoT) است. در این مقاله، مسئله‌ی بهینه‌سازی مسیر سه‌بعدی UAV با هدف کاهش زمان فرآیند جمع‌آوری داده از حسگرها در محیط‌های شهری مورد بررسی قرار گرفته است. در مدل ارائه‌شده، محدودیت‌های دنیای واقعی از جمله انسداد متناوب لینک‌های ارتباطی بین UAV و حسگرها به‌دلیل وجود ساختمان‌ها و همچنین توزیع سه‌بعدی حسگرها در محیط نظر گرفته شده است. برای حل این مسئله‌ی پیچیده، یک الگوریتم یادگیری تقویتی عمیق (DRL) مبتنی بر روش TD3 (Twin Delayed Deep Deterministic Policy Gradient) پیشنهاد شده است. نتایج شبیه‌سازی‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با سایر روش‌های پیشرفته DRL، قادر است زمان جمع‌آوری داده را کاهش دهد. همچنین نتایج نشان میدهد که الگوریتم TD3 همگرایی سریع تر و پایداری بیشتری در طول فرآیند آموزش نسبت به روش‌های مشابه دارد.