یک چارچوب ترکیبی الگوریتم ژنتیک – یادگیری تقویتی عمیق برای مسیریابی چند هدفه مبتنی برهوش مصنوعی در شبکه های مخابراتی و ارزیابی کارایی با استفاده از تحلیل پوششی داده ها
چکیده
مسیریابی بهینه در شبکههای مخابراتی با اهداف متضاد بیشینهسازی جریان و کمینهسازی هزینه، یک مسئله چندهدفه پیچیده است. این مقاله یک چارچوب ترکیبی نوآورانه ارائه میدهد که در آن از الگوریتم ژنتیک (GA) برای طراحی خودکار معماری و تنظیم فراپارامترهای یک عامل یادگیری تقویتی عمیق (DRL) استفاده میشود. عامل DRL برای حل مسئله مسیریابی در یک محیط پویا آموزش میبیند. برای ارزیابی دقیق و چندجانبه عملکرد الگوریتمهای مختلف، از تحلیل پوششی دادهها (DEA) به عنوان یک ابزار تصمیمگیری چندمعیاره استفاده شده است. نتایج نشان میدهد که چارچوب پیشنهادی (GA-DRL) به طور قابل توجهی کارایی بالاتری نسبت به الگوریتمهای رقیب دارد و تحلیل DEA بینش عمیقی برای انتخاب بهترین الگوریتم بر اساس معیارهای مختلف ارائه میدهد.
کلمات کلیدی:
مسیریابی شبکه، بهینهسازی چندهدفه، یادگیری تقویتی عمیق، الگوریتم ژنتیک، تحلیل پوششی دادهها (DEA)، بهینهسازی فراپارامتر.چاپ شده
2026-04-29
شماره
نوع مقاله
اخبار
ارجاع به مقاله
رضائی ن. (2026). یک چارچوب ترکیبی الگوریتم ژنتیک – یادگیری تقویتی عمیق برای مسیریابی چند هدفه مبتنی برهوش مصنوعی در شبکه های مخابراتی و ارزیابی کارایی با استفاده از تحلیل پوششی داده ها. چهارمین کنفرانس توسعه علوم مهندسی. https://doi.org/10.48314/des.vi.118
