2022

Постійне посилання на фонд

https://ela.kpi.ua/handle/123456789/54460

Переглянути

Перегляд 2022 за Автор "Крамський, Антон Євгенійович"

Зараз показуємо 1 - 1 з 1
  • Ескіз
    ДокументВідкритий доступ
    Метод навчання маршрутів передачіданих в мобільних радіомережах
    (Institute of Special Communication and Information Protection of National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, 2022) Дівіцький, Андрій Сергійович; Сторчак, Антон Сергійович; Крамський, Антон Євгенійович; Сальник, Сергій Васильович
    Запропоновано метод навчання маршрутів передачі даних в бездротових самоорганізованих мережах. Описано особливості побудови мереж даного класу. Показано основні завдання функціонування системи управління бездротовими самоорганізованими мережами. Проаналізовано основні методи навчання, які використовуються для прогнозування змін маршрутів передачі даних. Роз’яснено ефективність при застосуванні в певних галузях та невідповідність до вимог, які висуваються до методу, що розробляється. Описано сутність прогнозування та безпосередній зв’язок з процесом навчання маршрутів передачі даних. Зображено систему маршрутизації як необхідну складову для безперебійної роботи бездротових самоорганізованих мережах. Показано сутність та вимоги до методу навчання. Розглянуто блок навчання підсистеми прогнозування, призначення якого полягає у побудові бази правил, спрямованих на виявлення істотних залежностей у тимчасовому ряді на основі використання обраного алгоритму навчання генетичного алгоритму, в його основі лежить використання еволюційних принципів для пошуку оптимального рішення. Показано варіанти підвищення ефективності скалярної оптимізації. Суть методу полягає у навчанні параметрів (загальна затримка передачі маршрутів; маршрути мережі; мінімальна пропускна спроможність; надійність; завантаження) маршрутів передачі даних за допомогою методу скалярної оптимізації, призначеного для динамічного вибору найбільш ефективної функції пристосовуваності який застосовується в кожному новоствореному поколінні еволюційних алгоритмів. Проаналізовано задачі оптимізації з допоміжними критеріями та навчання з підкріпленням. Алгоритм “Еволюційний алгоритм та навчання з підкріпленням” дозволяє здійснювати керування процесом виконання еволюційного алгоритму. Описано задачу Hierarchical-if-and-only-if function та показано її ефективність під час роботи з різними алгоритмами. Параметри, використані в роботі, відповідають параметрам досліджень, що надає можливість порівняти отримані результати з результатами, отриманими раніше. В ході роботи над методом відображено його ефективність та здійснено порівняльний аналіз з подібними методами багатокритеріальної оптимізації.