|
Title
|
توسعه یک چارچوب تصمیم گیری چندهدفه پویا برای بهینه سازی انتشار تبلیغات در اینترنت اشیای اجتماعی با استفاده از یادگیری تقویتی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
یادگیری تقویتی، اینترنت اشیاء اجتماعی، انتشار تبلیغات، بهینه سازی چندهدفه، چارچوب تصمیم گیری پویا،مسئله بیشینه سازی نفوذ
|
|
Abstract
|
تحولات اخیر در اینترنت اشیاء اجتماعی، انتشار مؤثر تبلیغات را به یک چالش پیچیده، پویا و چندهدفه تبدیل کرده است. در این محیط، تعاملات لحظه ای میان دستگاه ها، سرویس ها و کاربران، ساختار شبکه اجتماعی را به طور مداوم تغییر می دهد؛ ازاین رو توسعه یک مدل هوشمند و چندمعیاره برای انتشار تبلیغات به یک ضرورت تبدیل شده است. رویکردهای متداول که صرفاً بر انتخاب بذر یا مدل های ساده متکی هستند، در اینترنت اشیاء اجتماعی کارایی لازم را ندارند. الگوریتم های ایستای فاقد توان یادگیری، منجر به انتشار ناکارآمد، افزایش هزینه و کاهش تعامل می شوند. با توجه به اینکه تبلیغات باید کم هزینه و سازگار با محتوا باشند، شناسایی مسیرهای انتشار بهینه اهمیت بالایی دارد.
در پاسخ به این چالش ها، یادگیری تقویتی عمیق و چندعامله به عنوان رویکردی مناسب برای یادگیری تجربه محور و تصمیم گیری چندهدفه مطرح شده است. این روش ها با دریافت بازخورد از محیط، سیاست های بهینه را می آموزند و رفتار عوامل را با محیط های غیرایستا تطبیق می دهند. در اینترنت اشیاء اجتماعی که ساختار شبکه و رفتار کاربران به طور مداوم در حال تغییر است، این قابلیت نقش کلیدی ایفا می کند و امکان تصمیم گیری تطبیقی و هوشمند را فراهم می سازد.
با این حال، نقش یادگیری تقویتی در انتشار تبلیغات در اینترنت اشیاء اجتماعی هنوز به طور کامل بررسی نشده است. بسیاری از رویکردهای موجود از مدل های ساده یادگیری تقویتی استفاده کرده و ماهیت چندهدفه مسئله را نادیده گرفته اند. همچنین در اغلب مطالعات، تأثیر همزمان معیارهایی مانند شاخص های اجتماعی، هزینه، مصرف انرژی و زمان انتشار در یک چارچوب یکپارچه مورد توجه قرار نگرفته است. این محدودیت ها نشان دهنده وجود یک خلأ پژوهشی در این حوزه است و ضرورت ارائه رویکردی جامع تر را برجسته می سازد.
موضوع مهم دیگر، مسئله هماهنگی میان عوامل در اینترنت اشیاء اجتماعی است. بسیاری از دستگاه ها به صورت مستقل و بدون همکاری مؤثر تصمیم گیری می کنند که این امر می تواند با اهداف کلی شبکه همسو نباشد. یادگیری تقویتی چندعامله با فراهم سازی امکان آموزش همزمان چندین عامل، زمینه یادگیری توزیع شده و اتخاذ تصمیم های هماهنگ را فراهم می کند. این ویژگی برای انتشار کارآمد و هدفمند تبلیغات از اهمیت بالایی برخوردار است.
علاوه بر این، با توجه به تغییر سریع رفتار کا
|
|
Researchers
|
(Student)، Asgarali Bouyer (Primary Advisor)، Reza Molaei (Advisor)
|