新版首页
教学科研
喜报|人工智能学院叶仕通先生以第一作者身份在SCIE收录的期刊揭晓论文
克日，，人工智能学院西席叶仕通以第一作者身份在《Alexandria Engineering Journal》期刊揭晓了题为“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。特殊是在没有路边单位（RSU）的情形中，，该算法通过动态学习和顺应网络转变，，智能选择最优数据传输路径，，有用镌汰通讯中止和延迟，，提高数据传输的准确性。
实验效果批注，，DRLIQ算法在镌汰通讯中止、、、比特过失率（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情形下体现突出。别的，，该算法还展示了应对网络拓扑转变和车辆动态的高顺应性和稳固性。
本文的主要孝顺包括：
1.提出了一种适用于无RSU情形的深度强化学习路由决议算法，，能够动态调解路由战略，，实现路由决议的智能化和效率优化。
2.集成了多维度的网络性能指标，，如通讯中止概率、、、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缺失的高动态情形中，，DRLIQ算法显著降低了网络延迟和通讯中止次数，，同时镌汰了比特过失率，，证实其在重大车辆网络情形中的有用性。
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，，具有普遍的应用远景。
本论文为2019年广东省通俗高校特色立异类项目《基于深度学习的车载自组织网络自顺应路由手艺（2019KTSCX237）》资助的研究效果。
（图文/人工智能学院 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”获批广东省通俗高校人文社科重点研究基地
下一条：喜报|bti体育�；窳较罱逃咳宋纳缁峥蒲а芯恳话阆钅苛⑾�