WDQAR:A Weighted Double Q-Learning Based Adaptive Routing Protocol for Flying Ad Hoc Networks
تقترح هذه الورقة بروتوكول WDQAR، وهو بروتوكول توجيه تكيفي للشبكات المتنقلة الطائرة يستفيد من إطار تعلم Q المزدوج الموزون بالتزامن مع الاكتشاف الديناميكي للجيران والترشيح القائم على القطاعات للتخفيف من انحياز تقدير قيمة Q وتحسين أداء التوجيه في بيئات الطائرات بدون طيار عالية الحركة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في السماء فوق مناطق الكوارث، أو ساحات المعارك، أو البراري النائية، تعمل مجموعات من الروبوتات الطائرة الصغيرة المعروفة باسم المركبات الجوية غير المأهولة، أو (UAVs)، بشكل متزايد معاً في أسراب. هذه الآلات لا تعتمد على أبراج الاتصالات الخلوية أو كابلات الإنترنت الثابتة؛ بل تتواصل مباشرة مع بعضها البعض، مكونةً شبكة مؤقتة ذاتية التنظيم تطفو في الهواء. يُطلق على هذا النوع من الشبكات اسم "الشبكة الطائرة الملحّة" (Flying Ad Hoc Network). ويتمثل التحدي الذي تواجهه هذه الأسراب في أن الهواء مكان فوضوي؛ فالطائرات بدون طيار تتحرك بسرعة، ومواقعها تتغير كل ثانية، والروابط اللاسلكية غير المرئية التي تربط بينها يمكن أن تنقطع بسهماً كما تتشكل. ولإبقاء الرسالة متحركة من طائرة إلى أخرى حتى تصل إلى المحطة الأرضية، تحتاج الشبكة إلى نظام توجيه يمكنه اتخاذ قرارات في أجزاء من الثانية حول أي جارٍ يمكن الوثوق به للقيام بالخطوة التالية. وغالباً ما تفشل الطرق التقليدية هنا، إما لأنها تستجيب ببطء شدٍ للتغييرات، أو لأنها تهدر طاقة البطارية الثمينة عبر الصراخ بالتحديثات باستمرار لكل جار لها.
اقترح فريق من الباحثين في جامعة هندسة المعلومات التابعة لجيش التحرير الشعبي طريقة جديدة لحل هذه المشكلة، تُسمى (WDQAR). يعامل نهجهم مشكلة تحديد المسار ليس كخريطة ثابتة يتم رسمها، بل كعملية تعلم. تخيل طائرة بدون طيار لم تطر في هذا المسار المحدد من قبل؛ يجب عليها أن تتعلم أي الجيران موثوقون، وأي الروابط من المرجح أن تنقطع، وأي اتجاه يؤدي بكفاءة أكبر إلى الهدف. استخدم الباحثون تقنية من مجال الذكاء الاصطناعي تُعرف بـ "التعلم التعزيزي"، حيث يتعلم "الوكيل" من خلال التجربة والخطأ، ويتلقى مكافآت عن الخيارات الجيدة وعقوبات عن الخيارات السيئة. ومع ذلك، يمكن لطرق التعلم القياسية أن تكون متفائلة للغاية أحياناً، حيث تفترض أن مساراً ما أفضل مما هو عليه في الواقع. ولإصلاح ذلك، قدم الفريق طريقة تعلم "مزدوجة موزونة". يحافظ هذا النظام على سجلين داخليين منفصلين لما تعلمه؛ ومن خلال مقارنة هذين السجلين ودمج تنبؤاتهما، يتجنب النظام فخ الإفراط في الثقة، مما يؤدي إلى قرارات أكثر استقراراً ودقة في السماء سريعة الحركة.
يعمل البروتوكول في مرحلتين رئيسيتين. أولاً، يجب أن تعرف الطائرات بدون طيار من حولها. في الشبكة سريعة الحركة، إرسال رسالة "مرحباً" للإعلان عن وجود المرء بشكل متكرر يهدر الطاقة، لكن إرسالها بشكل نادر جداً يعني أن الطائرة قد لا تدرك أن جاراً لها قد ابتعد عن النطاق. يحل نظام (WDQAR) هذه المشكلة بجعل توقيت هذه الرسائل تكيفياً. إذا كانت الطائرة تطير بنمط مستقر مع جيران يتحركون في نفس الاتجاه، فإنها تبطئ وتيرة رسائل "مرحباً" الخاصة بها. وإذا تسببت الرياح أو المناورة في جعل الروابط مهتزة، فإنها تسرع الرسائل لتبقى على اطلاع دائم. يضمن هذا التعديل الديناميكي بقاء الشبكة مدركة لشكلها المتغير دون إغراق الأثير بضجيج غير ضروري.
بمجرد أن تعرف الطائرة بدون طيار جيرانها، يجب عليها أن تقرر أين ترسل حزمة البيانات التالية. بدلاً من سؤال كل جار على حد الله، يقوم النظام أولاً بتصفية القائمة بناءً على الجغرافيا؛ حيث ينشئ منطقة على شكل مخروط تشير نحو الوجهة، ولا ينظر إلا في الجيران الموجودين داخل ذلك المخروط. هذا يقلص مجال الخيارات، مما يسم يسمح لخوارزمية التعلم بالتركيز على المسارات الأكثر واعدة. ثم يتم توجيه قرار اختيار الجار من خلال نظام مكافأة يزن أربعة عوامل محددة: مقدار طاقة البطارية المتبقية لدى الجار، ومدة استمرار الاتصال المتوقعة، ومدى القرب من الوجهة النهائية، وعدد الجيران الموثوقين الآخرين لدى ذلك الجار. ومن خلال موازنة هذه العوامل، يتجنب النظام إرسال البيانات إلى طائرة على وشك نفاد طاقتها أو طائرة تتجه نحو طريق مسدود.
ولجعل هذا التعلم يحدث بشكل أسرع، أعطى الباحثون الطائرات بدون طيار دفعة قوية للبداية. فبدلاً من البدء دون معرفة على الإطلاق، يخصص النظام قيمة أولية لكل جار بناءً على موقعه بالنسبة للوجهة؛ فالجار الأقرب فيزيائياً للهدف يحصل على درجة بداية أفضل. هذا يمنع الطائرات من إضاعة الوقت في استكشاف مسارات غير مفيدة في المراحل الأولى من العملية. علاوة على ذلك، يعدل النظام سرعة تعلمه الخاصة بناءً على مدى استقرار الشبكة؛ فإذا كان الرابط بطيئاً أو غير موثوق، يتعلم النظام بسرعة من هذا الفشل، أما إذا كان الاتصال مستقراً، فإنه يتعلم ببطء أكبر، معتمداً على خبرته السابقة. تسمح هذه المرونة للشبكة بالتكيف فوراً مع التغييرات المفاجئة في السرعة أو الاتجاه.
اختبر الباحثون فكرتهم باستخدام محاكاة حاسوبية نموذجت سيناريو مراقبة الكوارث بما يصل إلى مائة طائرة بدون طيار تطير في فضاء ثلاثي الأبعاد. وقارنوا بروتوكولهم الجديد بطرق أخرى موجودة تستخدم أيضاً خوارزميات التعلم. أظهرت النتائج أن نظام (WDQAR) كان أكثر فعالية بشكل ملحوظ؛ فقد سلم نسبة أعلى من حزم البيانات إلى المحطة الأرضية، حيث وصل إلى معدل نجاح متوسط يزيد عن اثنين وتسعين بالمائة، حتى مع زيادة عدد الطائبات بدون طيار. كما تمكن من إيصال البيانات بشكل أسرع، بمتوسط تأخير أقل بنسبة تقارب أربعين بالمائة عن أقرب منافسيه. ولعل الأهم بالنسبة لاستمرارية السرب، هو أن البروتوكول الجديد استهلك طاقة أقل وولد حركة مرور تحكم أقل؛ فمن خلال إرسال رسائل "مرحباً" أقل واختيار مسارات أكثر كفاءة، حافظت الطائرات على عمر بطاريتها وأبقت الشبكة تعمل بسلاسة.
تؤكد الدراسة أنه من خلال الجمع بين طريقة ذكية لتصفية الجيران وطريقة أكثر دقة للتعلم من الخبرة، من الممكن إنشاء نظام توجيه قوي بما يكفي للطبيعة غير المتوقعة للطيران. وبينما تأتي النتائج من عمليات المحاكاة وليس من اختبارات طيران فيزيائية، إلا أن البيانات تشير إلى أن هذا النهج يمكن أن يجعل أسراب الطائرات بدون طيار المستقبلية أكثر موثوقية في الحالات الواقعية حيث تغيب البنية التحتية للاتصالات أو تتعرض للتلف. يسلط العمل الضوء على أنه في عالم مليء بالأجزات المتحركة، فإن أفضل استراتيجية ليست مجرد الاستجابة، بل التعلم، ووزن الخيارات بعناية، والتكيف المستمر مع البيئة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.