Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2014-11-28T12:18:45Z
No. of bitstreams: 2
Dissertação - Camila Soares Barbosa - 2013.pdf: 840210 bytes, checksum: a7c84142e9c6b7a669f16d9057771acf (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2014-11-28T13:14:26Z (GMT) No. of bitstreams: 2
Dissertação - Camila Soares Barbosa - 2013.pdf: 840210 bytes, checksum: a7c84142e9c6b7a669f16d9057771acf (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-11-28T13:14:26Z (GMT). No. of bitstreams: 2
Dissertação - Camila Soares Barbosa - 2013.pdf: 840210 bytes, checksum: a7c84142e9c6b7a669f16d9057771acf (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5)
Previous issue date: 2013-11-22 / One of the main challenges in Dynamic Spectrum Selection for Cognitive Radios is
the choice of the frequency range for each transmission. This choice should minimize
interference with legacy devices and maximize the discovering opportunities or white
spaces. There are several solutions to this issue, and Reinforcement Learning algorithms
are the most successful. Among them stands out the Q-Learning whose weak point is
the parameterization, since adjustments are needed in order to reach successfully the
proposed objective. In that sense, this work proposes an algorithm based on evolutionary
strategy and presents the main characteristics adaptability to the environment and fewer
parameters. Through simulation, the performance of the Q-Learning and the proposal
of this work were compared in different scenarios. The results allowed to evaluate the
spectral efficiency and the adaptability to the environment. The proposal of this work
shows promising results in most scenarios. / Um dos principais desafios da Seleção Dinâmica de Espectro em Rádios Cognitivos é
a escolha da faixa de frequência para cada transmissão. Essa escolha deve minimizar
a interferência em dispositivos legados e maximizar a descoberta das oportunidades
ou espaços em branco. Há várias soluções para essa questão, sendo que algoritmos de
Aprendizado por Reforço são as mais bem sucedidas. Entre eles destaca-se o Q-Learning,
cujo ponto fraco é a parametrização, uma vez que ajustes são necessários para que
se alcance, com sucesso, o objetivo proposto. Nesse sentido, este trabalho propõe um
algoritmo baseado em Estratégia Evolutiva e apresenta como características principais a
adaptabilidade ao ambiente e a menor quantidade de parâmetros. Através de simulação, o
desempenho do Q-Learning e da proposta deste trabalho foram comparados em diversos
cenários. Os resultados obtidos permitiram avaliar a eficiência espectral e a adaptabilidade
ao ambiente. A proposição deste trabalho apresentou resultados promissores na maioria
dos cenários.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/3706 |
Date | 22 November 2013 |
Creators | Barbosa, Camila Soares |
Contributors | Cardoso, Kleber Vieira, Cardoso, Kleber Vieira, Corrêa, Sand Luz, Camilo Junior, Celso Gonçalves, Santos, Aldri Luiz dos |
Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF/UFMS), UFG, Brasil, Instituto de Informática - INF (RG) |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
Relation | 5425012756248488080, 600, 600, 600, -7712266734633644768, -862078257083325301 |
Page generated in 0.015 seconds