ترجمه فارسی مقاله شکل‌دهی پاداش‌ها، شکل‌دهی مسیرها: در مورد شبکه‌های Q عمیق چندعاملی برای مسیریابی در شبکه‌های صورت فلکی ماهواره‌ای

چکیده

Effective routing in satellite mega-constellations has become crucial to facilitate the handling of increasing traffic loads, more complex network architectures, as well as the integration into 6G networks. To enhance adaptability as well as robustness to unpredictable traffic demands, and to solve dynamic routing environments efficiently, machine learning-based solutions are being considered. For network control problems, such as optimizing packet forwarding decisions according to Quality of Service requirements and maintaining network stability, deep reinforcement learning techniques have demonstrated promising results. For this reason, we investigate the viability of multi-agent deep Q-networks for routing in satellite constellation networks. We focus specifically on reward shaping and quantifying training convergence for joint optimization of latency and load balancing in static and dynamic scenarios. To address identified drawbacks, we propose a novel hybrid solution based on centralized learning and decentralized control.

چکیده به فارسی (ترجمه ماشینی)

مسیریابی مؤثر در مگا کنفرانس ماهواره ای برای تسهیل در دستیابی به افزایش بارهای ترافیکی ، معماری پیچیده تر شبکه و همچنین ادغام در شبکه های 6G بسیار مهم است.برای تقویت سازگاری و همچنین استحکام در مورد تقاضاهای غیرقابل پیش بینی ترافیک ، و حل محیط های مسیریابی پویا ، راه حل های مبتنی بر یادگیری ماشین در نظر گرفته می شود.برای مشکلات کنترل شبکه ، مانند بهینه سازی تصمیمات حمل و نقل بسته با توجه به کیفیت خدمات و حفظ ثبات شبکه ، تکنیک های یادگیری تقویت عمیق نتایج امیدوارکننده ای را نشان داده اند.به همین دلیل ، ما در مورد زنده ماندن شبکه های Q Deep Deep برای مسیریابی در شبکه های صورت فلکی ماهواره ای بررسی می کنیم.ما به طور خاص روی شکل دهی پاداش و کمیت همگرایی آموزش برای بهینه سازی مشترک تأخیر و تعادل بار در سناریوهای استاتیک و پویا تمرکز می کنیم.برای پرداختن به اشکالاتی شناسایی شده ، ما یک راه حل ترکیبی جدید را بر اساس یادگیری متمرکز و کنترل غیر متمرکز پیشنهاد می کنیم.