검색 상세

랜덤 이동 모델을 따르는 무선 노드의 Q-learning 기반 애드혹 네트워크 구축 전략

Q-learning Based Ad-Hoc Network Formation Strategy for Wireless Nodes with Random Mobility Models

초록/요약

분산형 네트워크는 고정된 네트워크 기반 망의 도움 없이 다수의 노드가 자율적으로 네트워크를 형성하고 유지할 수 있으며, 기반 시설에 구애받지 않고 다양한 환경에 적용할 수 있다는 장점이 있다. 그러나 모바일 기기의수가 늘어남에 따라 최적의 네트워크를 구축하기 위한 계산 복잡도가 높아지고, 모바일 기기의 이동성으로 인해네트워크 처리율을 안정적으로 유지하기 어렵다는 한계점이 존재한다. 또한, 모바일 기기의 경우, 일반적으로 배터리 기반으로 동작하기 때문에 제한된 배터리 용량 내에서 이동을 위한 모터 제어 에너지 소모량과 데이터 송수신을 위한 에너지 소모량을 모두 해결해야 한다는 어려움이 있다. 본 논문에서는 Q-learning 기반의 강화학습을 사용한 모바일 애드혹 네트워크 구축 알고리즘을 제시한다. 제안하는 방안은 랜덤하게 이동하는 노드들로 구성된 네트워크에서 중앙 제어 없이 전력 소모를 최소화하는 동시에 네트워크 처리율을 최대로 유지하는 것을 목표로 노드를 학습시킨다. 시뮬레이션 결과를 통해 제안한 알고리즘이 네트워크 크기와 이동 모델과 관계없이 항상 높은네트워크 처리율을 유지할 뿐만 아니라 에너지 소비를 최소화할 수 있음을 확인하였다.

more

초록/요약

Since a decentralized network can be formed and maintained by multiple nodes without direct control from network infrastructure, it can be deployed in a wide range of applications. As more nodes need to be taken into account, however, computational complexity required for an optimal network significantly increases. It is more challenging to maintain higher network throughput because of node mobility. For a mobile ad-hoc network that consists of battery-powered mobile devices, in particular, it is even more important to consider power consumption required for node mobility and data transmission. In this paper, we propose an algorithm for a mobile ad-hoc network formation based on Q-learning. The proposed algorithm enables relay nodes with random movement to learn how to manage transmission power for minimizing total power consumption and maximizing network throughput without a central coordination. We confirm that the proposed solution can achieve high network throughput while minimizing power consumption regardless of network size and mobility patterns.

more
반출 Meta View 목록