For comparison purpose, the energy

For comparison purpose, the energy aware SARSA-AODV protocol is implemented. In SARSA-AODV, each node learns to tune its RREQs forwarding rate during route discovery process using SARSA RL algorithm. The proposed RL model is as follows. Mobile node state at time step t, st, corresponds to its expected residual lifetime (RT) in seconds. The state space is experimentally quantized into discrete intervals. Actions correspond to the ratio of RREQs to be forwarded by a node. Finally, the reward signal is defined so that energy consumption fairness among mobile nodes is enhanced. It is calculated at each node as follows:

ผลลัพธ์ (ไทย) 1:

เพื่อเปรียบเทียบวัตถุประสงค์ มีดำเนินการพลังงานทราบ SARSA AODV โพรโทคอล ใน SARSA-AODV โหนแต่ละเรียนรู้การปรับแต่ง RREQs ของอัตราการส่งต่อในระหว่างกระบวนการผลิตกระบวนการค้นหาโดยใช้อัลกอริทึม SARSA RL รุ่น RL เสนอมีดังนี้ สถานะโหนเคลื่อนที่เวลา t ขั้นตอน เซนต์ สอดคล้องกับความคาดเหลืออายุการใช้งาน (RT) วินาที Experimentally มี quantized พื้นที่รัฐเป็นช่วงไม่ต่อเนื่อง การดำเนินการสอดคล้องกับอัตราส่วนของ RREQs ถูกส่งต่อ โดยโหน สุดท้าย สัญญาณผลตอบแทนจะกำหนดเพื่อให้ยุติธรรมปริมาณการใช้พลังงานระหว่างโหนโมบายจะเพิ่ม มันจะคำนวณแต่ละโหนดดังนี้:

ผลลัพธ์ (ไทย) 2:

เพื่อเปรียบเทียบการใช้พลังงานตระหนักถึงโปรโตคอล SARSA-AODV จะดำเนินการ ใน SARSA-AODV แต่ละโหนดเรียนรู้ที่จะปรับแต่ง RREQs ของอัตราการส่งต่อในระหว่างขั้นตอนการค้นพบเส้นทางโดยใช้อัลกอริทึม SARSA RL รุ่น RL เสนอดังต่อไปนี้ รัฐโหนดมือถือในเวลา t ขั้นตอน, St สอดคล้องกับที่คาดว่าจะเหลืออายุการใช้งาน (RT) ในไม่กี่วินาที พื้นที่รัฐจะ quantized ทดลองลงในช่วงเวลาที่ไม่ต่อเนื่อง การดำเนินการที่สอดคล้องกับอัตราส่วนของ RREQs ที่จะส่งต่อโดยโหนด ในที่สุดสัญญาณรางวัลที่กำหนดไว้เพื่อให้ความเป็นธรรมการใช้พลังงานในหมู่โหนดมือถือจะเพิ่มขึ้น จะมีการคำนวณที่แต่ละโหนดดังต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

เพื่อวัตถุประสงค์ในการเปรียบเทียบพลังงานทราบ sarsa-aodv มีขั้นตอนการใช้งาน ใน sarsa-aodv แต่ละโหนดจะเรียนรู้ที่จะปรับแต่ง rreqs ส่งต่อเท่ากันในระหว่างกระบวนการการค้นพบเส้นทางการใช้ซอส RL ขั้นตอนวิธี เสนอ RL แบบมีดังนี้ โมบายโหนดสภาพที่ T , ขั้นตอนเวลา St , สอดคล้องกับส่วนที่เหลือของชีวิต ( RT ) คาดว่าในไม่กี่วินาทีสภาพพื้นที่เป็นขนาดที่แน่นอนในช่วงเวลาที่ไม่ต่อเนื่อง การกระทำที่สอดคล้องกับอัตราส่วนของ rreqs จะถูกส่งต่อโดยโหนด ในที่สุด สัญญาณ เป็นรางวัลที่กำหนดเพื่อให้พลังงานความยุติธรรมระหว่างโหนดมือถือเพิ่ม มันมีการคำนวณในแต่ละโหนดดังนี้