一种用于改善基于雾的物联网中通信性能与能量利用的强化学习方法
机器学习
2021-06-02 v1 网络与互联网体系结构
信号处理
摘要
近期研究表明，可利用可用的移动雾设备（如智能手机、无人机、家用和工业机器人）作为中继，以最小化传感器与目的设备之间的通信中断，从而提供本地化物联网服务（例如制造过程控制、健康与安全监测）。然而，这些移动中继在移动并向远端目的设备传输时会消耗能量。因此，功率控制机制和中继设备的智能移动性对于改善通信性能和能量利用至关重要。在本文中，我们提出一种基于Q-learning的分散式方法，其中每个移动雾中继代理（MFRA）由一个自主代理控制，该代理使用强化学习同时改善通信性能和能量利用。每个自主代理根据来自目的端的反馈及其自身能量水平来学习在该传输阶段是保持活跃转发消息，还是变为被动。我们通过与集中式方法比较来评估该方法，并观察到在较少MFRA数量下，我们的方法能够确保可靠的数据传输并将总体能量成本降低56.76%–88.03%。
引用
@article{arxiv.2106.00654,
title = {A reinforcement learning approach to improve communication performance and energy utilization in fog-based IoT},
author = {Babatunji Omoniwa and Maxime Gueriau and Ivana Dusparic},
journal= {arXiv preprint arXiv:2106.00654},
year = {2021}
}
备注
Submitted and published in IEEE proceedings