基于人工智能的認(rèn)知無線網(wǎng)絡(luò)關(guān)鍵技術(shù)研究.pdf

1、隨著Internet技術(shù)的不斷發(fā)展，傳統(tǒng)的諸如電子郵件、文件傳輸以及遠(yuǎn)程登陸等服務(wù)已經(jīng)不能夠滿足人們的需要。同時，隨著移動Internet設(shè)備的大量涌現(xiàn)，能夠支持移動性應(yīng)用的服務(wù)將會對網(wǎng)絡(luò)本身產(chǎn)生不同的需求。這些新的需求促使網(wǎng)絡(luò)能夠根據(jù)用戶的可變需求對網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行重新設(shè)計并導(dǎo)致主動或可編程網(wǎng)絡(luò)的出現(xiàn)。盡管這一領(lǐng)域已經(jīng)取得豐碩的成果，而網(wǎng)絡(luò)的自動化管理和維護(hù)卻由于網(wǎng)絡(luò)管理者是人類本身而處于較低的水平。網(wǎng)絡(luò)不能夠意識到本身的狀態(tài)和應(yīng)用的需求

2、，沒有本身的目標(biāo)和如何實現(xiàn)這個目標(biāo)的知識，并且不能夠?qū)ψ陨淼男袨檫M(jìn)行推理。這就是說，應(yīng)用的發(fā)展迫切需要網(wǎng)絡(luò)本身具有“認(rèn)知”屬性。
　　 認(rèn)知無線網(wǎng)絡(luò)能夠感知當(dāng)前網(wǎng)絡(luò)的情況，基于數(shù)據(jù)流的端到端的配置目標(biāo)對無線網(wǎng)絡(luò)進(jìn)行計劃、判決和采取相應(yīng)的自適應(yīng)行動。同時，無線網(wǎng)絡(luò)能夠從這些自適應(yīng)行動中學(xué)習(xí)，并將學(xué)習(xí)到的知識應(yīng)用于網(wǎng)絡(luò)未來的判決中。認(rèn)知無線網(wǎng)絡(luò)是一項復(fù)雜的技術(shù)，其研究內(nèi)容包括了網(wǎng)絡(luò)體系結(jié)構(gòu)研究、環(huán)境感知技術(shù)、知識表示以及獲取技術(shù)、機(jī)

3、器推理技術(shù)、機(jī)器學(xué)習(xí)技術(shù)、網(wǎng)絡(luò)可重配置技術(shù)等諸多技術(shù)問題。本文采用機(jī)器學(xué)習(xí)技術(shù)通過跨層優(yōu)化的手段來實現(xiàn)端到端的配置目標(biāo)，著重對網(wǎng)絡(luò)體系結(jié)構(gòu)、知識獲取技術(shù)和機(jī)器學(xué)習(xí)技術(shù)作了比較深入的研究。主要研究成果如下：
　　 1.設(shè)計了一種認(rèn)知網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)，即獨(dú)立于傳統(tǒng)OSI七層結(jié)構(gòu)的新的認(rèn)知面，它方便認(rèn)知網(wǎng)絡(luò)實現(xiàn)中的模塊化，并降低未來網(wǎng)絡(luò)系統(tǒng)實現(xiàn)的復(fù)雜度。其次，給出了認(rèn)知面的功能實現(xiàn)模塊，特別是闡述了兩種認(rèn)知能力具體的實現(xiàn)方法：利用多目標(biāo)遺

4、傳算法對認(rèn)知網(wǎng)絡(luò)進(jìn)行“離線內(nèi)省”學(xué)習(xí)，解決“有經(jīng)驗指導(dǎo)”的學(xué)習(xí)問題，提高認(rèn)知網(wǎng)絡(luò)的離線學(xué)習(xí)能力；利用案例推理對認(rèn)知網(wǎng)絡(luò)進(jìn)行“在線判決”，解決模型的快速匹配問題，提高認(rèn)知網(wǎng)絡(luò)的實時處理能力。最后，以異構(gòu)網(wǎng)絡(luò)中擁塞控制為例對這兩種認(rèn)知能力進(jìn)行了詳細(xì)闡述。2.采用網(wǎng)絡(luò)情景意識知識庫和案例推理相結(jié)合來實現(xiàn)認(rèn)知能力目前得到了廣泛的研究。著重對無固定設(shè)施的無線網(wǎng)絡(luò)如自組織網(wǎng)，如何構(gòu)建網(wǎng)絡(luò)情景意識知識庫包括構(gòu)建案例集以及從案例集中提煉出知識進(jìn)行研究。

5、結(jié)合某自組織網(wǎng)絡(luò)，從網(wǎng)絡(luò)情景意識和網(wǎng)絡(luò)的協(xié)議重配置能力兩個方面，提出采用NSGA-Ⅱ的多目標(biāo)優(yōu)化算法和模糊判決相結(jié)合的方法來生成認(rèn)知無線網(wǎng)絡(luò)的案例集。根據(jù)對案例集的觀察獲取到認(rèn)知無線網(wǎng)絡(luò)的一些共性知識。仿真結(jié)果表明：隨著信道質(zhì)量和網(wǎng)絡(luò)業(yè)務(wù)負(fù)載的變化，采用學(xué)習(xí)機(jī)制對網(wǎng)絡(luò)采取跨層重配置以后，網(wǎng)絡(luò)傳輸平均時延大約可以減小為網(wǎng)絡(luò)最差性能的50％以上，網(wǎng)絡(luò)呼叫成功率可達(dá)100％，網(wǎng)絡(luò)吞吐量可以提高20％左右。3.針對部分連接Ad hoc網(wǎng)絡(luò)中路由

6、選擇主要依賴于轉(zhuǎn)發(fā)概率而轉(zhuǎn)發(fā)概率事先未知的特點，研究認(rèn)知無線網(wǎng)絡(luò)單個節(jié)點通過人工智能領(lǐng)域的Q學(xué)習(xí)手段實現(xiàn)對轉(zhuǎn)發(fā)概率的在線學(xué)習(xí)機(jī)制。提出了一種基于SSPQL框架的DTN網(wǎng)絡(luò)路由算法Q-MEED。Q-MEED算法能夠?qū)崿F(xiàn)在充分“利用”最大轉(zhuǎn)發(fā)概率節(jié)點的同時“探索”其它具有更好轉(zhuǎn)發(fā)概率的節(jié)點；同時，Q-MEED算法實時地根據(jù)Q學(xué)習(xí)給出的獎勵或者懲罰結(jié)果來對下一跳節(jié)點自動做出選擇。針對Q學(xué)習(xí)需要較長的訓(xùn)練時間達(dá)到收斂問題，采用SSP算法來對路徑

7、進(jìn)行隨機(jī)統(tǒng)計概率的學(xué)習(xí)從而加快收斂的速度。在The One平臺上，用Java語言實現(xiàn)了該算法的仿真，并與其它路由算法在傳遞成功率、平均緩沖時間、消息傳輸開銷進(jìn)行了比較。仿真結(jié)果表明，Q-MEED算法具有較好的性能，能夠滿足DTN網(wǎng)絡(luò)的需求，是一種有效的路由解決方案。4.針對存在局部干擾的Ad hoc網(wǎng)絡(luò)中節(jié)點的自私性和網(wǎng)絡(luò)整體利益之間的矛盾而導(dǎo)致的Ad hoc網(wǎng)絡(luò)擁塞問題，研究認(rèn)知無線網(wǎng)絡(luò)節(jié)點之間通過博弈學(xué)習(xí)而實現(xiàn)最佳的數(shù)據(jù)分流的在線學(xué)

8、習(xí)機(jī)制。首先證明基于MAC層競爭造成的網(wǎng)絡(luò)擁塞模型中存在納什均衡點。其次，基于WOLF-PHC學(xué)習(xí)策略提出了一種跨層擁塞控制(WCS)機(jī)制。它在路由層中選擇一對去耦合節(jié)點作為轉(zhuǎn)發(fā)節(jié)點，同時在MAC層對源節(jié)點的發(fā)送數(shù)據(jù)進(jìn)行分流，從而提高鏈路的空間重用性。仿真結(jié)果表明：在不需要交互任何信息的情況下，通過節(jié)點之間的相互博弈以后，采用WOLF-PHC算法能夠找到每個節(jié)點的最佳分流概率進(jìn)而使整體網(wǎng)絡(luò)吞吐量達(dá)到最大值；同時當(dāng)外界環(huán)境發(fā)生改變時，該算