It has been shown through simulatio

It has been shown through simulation that DFES-AODV and FSARSA-AODV exhibit similar performance. However, FSARSA-AODV still requires empirical adjustment of several functional parameters. In contrast to FSARSA-AODV, DFES-AODV is selfadaptive. In conclusion, dynamic fuzzy logic is more appropriate than reinforcement learning for adaptive energy aware routing in MANETs.

ผลลัพธ์ (ไทย) 1:

มันได้ถูกแสดงผ่านการจำลองว่า DFES AODV และ FSARSA AODV แสดงประสิทธิภาพการทำงานคล้ายกัน อย่างไรก็ตาม FSARSA AODV ยังคงต้องปรับปรุงรวมของพารามิเตอร์หลายอย่างทำงาน ตรงข้าม FSARSA-AODV, DFES AODV เป็น selfadaptive เบียดเบียน ตรรกศาสตร์แบบไดนามิกคือเหมาะสมมากไปกว่าการเสริมสร้างการเรียนรู้สำหรับพลังงานที่เหมาะสมตามสายงานการผลิตใน MANETs

ผลลัพธ์ (ไทย) 2:

มันแสดงให้เห็นผ่านการจำลองที่ DfES-AODV และ FSARSA-AODV แสดงประสิทธิภาพการทำงานที่คล้ายกัน อย่างไรก็ตาม FSARSA-AODV ยังคงต้องมีการปรับตัวเชิงประจักษ์ของพารามิเตอร์การทำงานหลาย ๆ ในทางตรงกันข้ามกับ FSARSA-AODV, DfES-AODV เป็น selfadaptive โดยสรุปตรรกศาสตร์แบบไดนามิกที่มีความเหมาะสมมากกว่าการสนับสนุนการเรียนรู้สำหรับการกำหนดเส้นทางตระหนักถึงการใช้พลังงานในการปรับตัว MANETs

ผลลัพธ์ (ไทย) 3:

มันได้ถูกแสดงผ่านการจำลองสถานการณ์ที่คล้ายกัน fsarsa-aodv dfes-aodv และการแสดงนิทรรศการ อย่างไรก็ตาม ยังคงต้องมีการปรับ fsarsa-aodv เชิงประจักษ์ของพารามิเตอร์การทำงานต่างๆ ในทางตรงกันข้ามกับ fsarsa-aodv dfes-aodv คือ , selfadaptive . สรุป ตรรกศาสตร์แบบไดนามิกจะเหมาะสมมากกว่าการเสริมแรงการเรียนรู้เพื่อปรับพลังงานทราบเส้นทางใน manets .