تحسين تعاوني لتخصيص موارد الاتصال اللاسلكي والحوسبة بناءً على تعلم التعزيز العميق بالوزن الفيدرالي متعدد الوكلاء

مع استمرار تطور أنظمة الاتصال اللاسلكي المدعومة بالذكاء الاصطناعي، اكتسب التعلم الموزع اهتماماً واسعاً لقدراته في تقديم حماية محسّنة لخصوصية البيانات، وتحسين استغلال الموارد، وزيادة تحمل الأخطاء ضمن تطبيقات الاتصال اللاسلكي. يعزز التعلم الفيدرالي من قدرة تنسيق الموارد وتعميم النموذج عبر العقد بناءً على الأساس المذكور، مما يتيح تحقيق شبكة لاسلكية متكاملة مدفوعة بالذكاء الاصطناعي للاتصال والحوسبة. تقترح هذه الورقة نظام اتصال لاسلكي جديد لتلبية احتياجات الخدمة الشخصية لكل من المستخدمين الحساسين للخصوصية وغير الحساسين لها. نقوم بتصميم النظام استناداً إلى تعلم التعزيز العميق بالوزن الفيدرالي متعدد الوكلاء (MAFWDRL). بينما يلبي النظام متطلبات الخدمة للمستخدمين، فإنه يسهل تحسين تخصيص موارد الاتصال المحلية في الوقت الحقيقي واتخاذ القرارات المتزامنة بشأن موارد الحوسبة. بالإضافة إلى ذلك، يتم دمج ضجيج الاستكشاف لتعزيز عملية استكشاف التعلم العميق خارج السياسة (DRL) لقنوات الاتصال اللاسلكي. تعوض تقنية الوزن الفيدرالي (FedWgt) بشكل فعال عن الفروق المتنوعة في حالة القناة بين عقد الاتصال. تظهر تجارب المحاكاة الواسعة أن النظام المقترح يتفوق بشكل كبير على الأساليب الأساسية من حيث الإنتاجية، وزمن الحساب، وتحسين استهلاك الطاقة.