Resumen

Las redes tolerantes a retrasos (DTN), que tienen características especiales, difieren de las redes tradicionales y siempre encuentran interrupciones frecuentes en el proceso de transmisión. Con el fin de transmitir datos en DTN, se han propuesto muchos algoritmos de enrutamiento, como el de Mínimo Retraso Esperado, Entrega más Temprana y Epidémico, pero todos los algoritmos mencionados no han tenido en cuenta la gestión de búferes y el uso de memoria. Con el desarrollo de algoritmos inteligentes, el algoritmo de Aprendizaje Profundo por Refuerzo (DRL) puede adaptarse mejor a la transmisión de red mencionada anteriormente. En este documento, primero construimos modelos óptimos basados en diferentes escenarios para considerar conjuntamente los comportamientos y el búfer de los nodos de comunicación, con el objetivo de mejorar el proceso de transmisión de datos; luego, aplicamos los enfoques de Red de Aprendizaje Q Profundo (DQN) y Actor-Crítico de Ventaja (A3C)

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Redes tolerantes a retrasos; Algoritmos de enrutamiento; Gestión de búferes; Aprendizaje Profundo por Refuerzo; Modelos óptimos; Rendimiento de transmisión
• Keywords:Delay tolerant networks; Routing algorithms; Buffer management; Deep Reinforcement Learning; Optimal models; Transmission performance