教学科研
近日,人工智能wanbetx手机官方网站教师叶仕通以第一作者身份在《Alexandria Engineering Journal》期刊发表了题为“A deep reinforcement learning-based intelligent QoS optimization algorithm for efficient routing in vehicular networks”的论文,该期刊属于SCIE检索期刊,是JCR Q1分区,中科院二区,Top期刊。
本文提出了一种基于深度强化学习的智能服务质量(QoS)优化算法(DRLIQ),用于提高车载自组织网络(VANETs)中的路由效率。特别是在没有路边单元(RSU)的环境中,该算法通过动态学习和适应网络变化,智能选择最优数据传输路径,有效减少通信中断和延迟,提高数据传输的准确性。
实验结果表明,DRLIQ算法在减少通信中断、比特错误率(BER)和网络延迟方面优于现有的热门算法,尤其是在高车流密度的环境下表现突出。此外,该算法还展示了应对网络拓扑变化和车辆动态的高适应性和稳定性。
本文的主要贡献包括:
1.提出了一种适用于无RSU环境的深度强化学习路由决策算法,能够动态调整路由策略,实现路由决策的智能化和效率优化。
2.集成了多维度的网络性能指标,如通信中断概率、网络负载、传输速率和误码率,优化了这些指标,从而提供多维优化的智能路由方案。
3.实验评估显示,在RSU缺失的高动态环境中,DRLIQ算法显著降低了网络延迟和通信中断次数,同时减少了比特错误率,证明其在复杂车辆网络环境中的有效性。
此研究为智能交通系统(ITS)中的VANETs提供了高效的路由解决方案,具有广泛的应用前景。
本论文为2019年广东省普通高校特色创新类项目《基于深度学习的车载自组织网络自适应路由技术(2019KTSCX237)》资助的研究成果。
(图文/人工智能wanbetx手机官方网站 责任编辑/刘育静)
上一条:喜报|“环南海国家华人文学与文化研究中心”获批广东省普通高校人文社科重点研究基地
下一条:喜报|wanbetx手机官方网站获两项教育部人文社会科学研究一般项目立项