| 講演名 | 2021-05-21 大規模モバイルIoT環境における強化学習を用いた自律分散型チャネル選択手法の評価 山本 大輔(東京理科大), 古川 穂南(東京理科大), 伊藤 友輔(東京理科大), 李 傲寒(東京理科大), 金 成主(慶大), 長谷川 幹雄(東京理科大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 大規模なIoT環境ではネットワークの混雑による通信品質の低下が問題となる．従来研究では，各IoTデバイスのチャネル選択問題をMulti-Armed Bandit (MAB)問題としてモデル化し，高性能なMABアルゴリズムとして知られるTug-of-War (TOW)ダイナミクスに基づくチャネル選択手法が提案されている．このTOWダイナミクスに基づくチャネル選択により，通信品質が改善されることが示されている．本稿では，様々なアドホックネットワーク環境を想定したシミュレーション評価を行い，提案手法と他のMABアルゴリズムに基づくチャネル選択手法を比較し，通信成功率の観点から提案手法の有効性を検証する．得られた結果より，提案手法が高密度かつ動的なネットワーク環境下でも，最適なチャネル選択手法であることを示す． |
| 抄録(英) | In a Massive IoT environment, degradation of communication quality due to network congestion is a serious problem. In previous research, the channel selection problem for each IoT device is modeled as a Multi-Armed Bandit (MAB) problem, and channel selection based on reinforcement learning called Tug-of-War (TOW) dynamics, known as a high-performance MAB algorithm, has been shown to improve communication quality. In this paper, we perform a simulation evaluation under various ad-hoc network environments and compare the effectiveness of the proposed algorithm with other methods based on MAB algorithms in terms of frame success rate. Simulation evaluations show that the proposed algorithm can improve the communication quality between IoT devices in high density and dynamic network environment. |
| キーワード(和) | 機械学習 / 強化学習 / Multi-Armed Bandit / IoT / 自律分散型チャネル選択 |
| キーワード(英) | Machine Learning / Reinforcement Learning / Multi-Armed Bandit / IoT / Distributed Channel Selection |
| 資料番号 | SR2021-11 |
| 発行日 | 2021-05-13 (SR) |
| 研究会情報 | |
| 研究会 | SR |
|---|---|
| 開催期間 | 2021/5/20(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ソフトウェア無線、機械学習応用、技術展示、製品展示、一般 |
| テーマ（英） | Software Radio, Machine Learning for Wireless Communication, etc. |
| 委員長氏名（和） | 有吉 正行(NEC) |
| 委員長氏名（英） | Masayuki Ariyoshi(NEC) |
| 副委員長氏名（和） | 亀田 卓(東北大) / 田久 修(信州大) / 石津 健太郎(NICT) |
| 副委員長氏名（英） | Suguru Kameda(Tohoku Univ.) / Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) |
| 幹事氏名（和） | 矢野 一人(ATR) / 石橋 功至(電通大) / 成枝 秀介(三重大) |
| 幹事氏名（英） | Kazuto Yano(ATR) / Koji Ishibashi(Univ. of Electro-Comm.) / Syusuke Narieda(Mie Univ.) |
| 幹事補佐氏名（和） | 太田 真衣(福岡大) / 大山 哲平(富士通研) / 小林 健太郎(名大) |
| 幹事補佐氏名（英） | Mai Ohta(Fukuoka Univ.) / Teppei Oyama(Fujitsu Lab.) / Kentaro Kobayashi(Nagoya Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Smart Radio |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 大規模モバイルIoT環境における強化学習を用いた自律分散型チャネル選択手法の評価 |
| サブタイトル（和） | |
| タイトル（英） | Performance Evaluation of Distributed Channel Selection Algorithm Based on Reinforcement Learning for Massive Mobile IoT Systems |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 機械学習 / Machine Learning |
| キーワード(2)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(3)（和/英） | Multi-Armed Bandit / Multi-Armed Bandit |
| キーワード(4)（和/英） | IoT / IoT |
| キーワード(5)（和/英） | 自律分散型チャネル選択 / Distributed Channel Selection |
| 第 1 著者 氏名（和/英） | 山本 大輔 / Daisuke Yamamoto |
| 第 1 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：TUS) |
| 第 2 著者 氏名（和/英） | 古川 穂南 / Honami Furukawa |
| 第 2 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：TUS) |
| 第 3 著者 氏名（和/英） | 伊藤 友輔 / Yusuke Ito |
| 第 3 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：TUS) |
| 第 4 著者 氏名（和/英） | 李 傲寒 / Aohan Li |
| 第 4 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：TUS) |
| 第 5 著者 氏名（和/英） | 金 成主 / Song-Ju Kim |
| 第 5 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 6 著者 氏名（和/英） | 長谷川 幹雄 / Mikio Hasegawa |
| 第 6 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：TUS) |
| 発表年月日 | 2021-05-21 |
| 資料番号 | SR2021-11 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | SR-30 |
| ページ範囲 | pp.73-78(SR), |
| ページ数 | 6 |
| 発行日 | 2021-05-13 (SR) |