مشخصات پژوهش

عنوان	یک الگوریتم ابتکاری مبتنی بر یادگیری عمیق برای حل مسئله واگذاری ارتباط در شبکه ناهمگن RF-VLC
نوع پژوهش	مقاله چاپ شده
کلیدواژه‌ها	واگذاری ارتباط، RF-VLC، یادگیری عمیق، بهینه سازی، شبکه های ناهمگن
چکیده	در شبکه های ناهمگن که فناوری های ارتباطی فرکانس رادیویی (RF) و نور مرئی (VLC) به صورت یکپارچه عمل می کنند، فرآیند واگذاری ارتباط برای تضمین اتصال و کیفیت خدمات (QoS) به ویژه در محیط های داخلی پویا اهمیت بسیاری دارد. این مقاله یک الگوریتم ابتکاری جدید به نام DLHA را معرفی می کند که با بهره گیری از یادگیری عمیق، فرایند پیش بینی، بهینه سازی و اجرای تصمیمات واگذاری ارتباط را در شبکه های تلفیقی RF-VLC مدیریت می کند. الگوریتم مذکور از یک شبکه عصبی عمیق (DNN) مبتنی بر واحد بازگشتی دروازه دار (GRU) برای پیش بینی شرایط کانال و الگوهای تحرک کاربران استفاده کرده و این پیش بینی ها را با یک چارچوب تصمیم گیری هوشمند ترکیب می کند. هدف این ترکیب کاهش تأخیر در واگذاری ارتباط، کاهش نرخ از دست دادن بسته ها و ایجاد توازن در بار شبکه است. مسئله اصلی به عنوان یک مسئله بهینه سازی چند هدفه در نظر گرفته شده است به طوریکه که محدودیت هایی نظیر تأخیر، مصرف انرژی و تداخل را شامل می شود. این مسئله با استفاده از اصول بهینه سازی و اصلاح فرآیندهای تصمیم گیری مارکوف (MDP) حل شده است. نتایج شبیه سازی که مبتنی بر مدل های کانال داخلی واقعی و سناریوهای معتبر تحرک هستند، نشان می دهند که الگوریتم پیشنهادی DLHA در مقایسه با روش های سنتی مبتنی بر آستانه، عملکرد بهتری دارد.
پژوهشگران	حامد علی زاده قاضی جهانی (نفر اول)، محمد مفرح بناب (نفر دوم)