بهینه سازی تخصیص منابع در یک شبکه ی وایرلس

شرح پروژه

بهینه سازی تخصیص منابع در یک شبکه ی وایرلس با استفاده از reinforcement learning (الگوریتم Q-learning)

در این پروژه ما یک مدل تصمیم‌گیری برای تخصیص منابع در شبکه‌های بی‌سیم با طیف اشتراکی ارائه می‌دهیم که در آن دو کلاس از کاربران اصلی (PUs) ،که برای دسترسی به منابع (کانال) اولویت دارند، و یک کلاس از کاربران ثانویه (SUs) وجود دارد.Pus با توجه به تعداد  ریسورس موجود، 1-سرویس دریافت می کنند، 2- ممکن است سرویس دریافت کنند ولی به دلیل محدودیت منابع slowdown cost برای سیستم بوجود بیاد یا3- اینکه ریجکت می شوند و rejection cost اتفاق میفته. برای SUs دو حالت وجود دارد که یا کانال موجود است و انها سرویس دریافت می کنند که در اینصورت سیستم سود دریافت می کند و یا اینکه بدون هیچ هزینه ای ریجکت می شوند. در صورت وجود ریسورس، ممکن است چندین کانال به SUs تخصیص داده شود. این تصمیم‌گیری‌ها با استفاده از یک مدل مارکوفی پیوسته (CTMDP) فرموله شده، و به روش Vale iteration algorithm در متلب پیاده سازی شده و مقادیر long run average value که از optimal policy ها بدست آمده، بصورت theoretical محاسبه شده ( به عنوان مبنای ما استفاده می شوند)، بدلیل پیچیدگی محاسبات بدنبال حل این مساله با استفاده از q-learning هستیم. محیط بصورت discrete event simulation می باشد. خروجی حاصل از q-learning در واقع long run average value هایی که از طریق optimal policy ها بدست می آیند باید به خروجی theoretical lrav بدست آمده از متلب خیلی نزدیک باشد. 

*********************************************************************************************
****** مساله ساده نیست و مدل ساده تر پیاده سازی شده ولی با توجه به اینکه در این مساله می توان به هر تعداد که مقدور باشد ریسورس به SU داد، مساله پیچیده تر شده، و فریلنسر قبلی نتوانستند انجام دهند، لطفا درصورتیکه به پیاده سازی q-learning در مسایل پیجیده مسلط هستید، درخواست ارسال شود
******* پروژه فورس می باشد و باید در اولویت شروع کار قرار گیرد، متاسفانه با محدودیت زمان مواجه هستم

ممنون

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

کاربر186648

عضویت چهار سال پیش

5 پروژه ثبت شده ،

1 پروژه در حال انجام ،

0 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 60%