วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553

เสนอการพิจารณาสมรรถนะของการนำวิธีการเรียนรู้แบบเสริมแรง (reinforcement learning) มาประยุกต์ใช้เพื่อปรับปรุงกระบวนการตัดสินใจเลือกโครงข่ายเทคโนโลยีสื่อสารไร้สายที่เหมาะสม บนพื้นฐานของการจำลองการเคลื่อนที่แบบมหภาคที่มีชื่อว่า การจำลองการส่งผ่านเซลล์ (cell transmission model, CTM) ในโครงข่ายวิวิธพันธุ์ไร้สาย ในวิทยานิพนธ์นี้ได้เสนอผลการคำนวณเชิงตัวเลขบนโครงข่ายท้องถนน 1 มิติ โดยตั้งค่าให้ผู้ใช้มีตัวเลือกในการเชื่อมต่อกับโครงข่ายไร้สายแบบครอบคลุมพื้นที่ขนาดเล็กหรือโครงข่ายไมโครเซลล์ (micro cell network) และแบบครอบคลุมพื้นที่ขนาดใหญ่หรือโครงข่ายแมโครเซลล์ (macro cell network) ในแบบทิศทางตรงและแบบแอดฮ็อก (ad-hoc) การจำลองแบบมหภาคที่เสนอนี้กำหนดให้แหล่งกำเนิดทราฟฟิกจำลอง มาจากการเคลื่อนที่แบบของไหลของยานพาหนะบนถนน ตรงกันข้ามกับแบบจำลองการเคลื่อนที่ของผู้ใช้แบบจุลภาค ซึ่งเป็นที่นิยมใช้ในงานวิจัยอดีตที่การวิเคราะห์จะซ่อนพฤติกรรมของผู้ใช้แต่ละคนไว้ ซึ่งส่งผลให้เกิดความซับซ้อนในการคำนวณ แบบจำลองดังกล่าวนี้มีความได้เปรียบในเรื่องความสามารถในการคำนวณ เมื่อเปรียบเทียบกับแบบจำลองการเคลื่อนที่ของผู้ใช้แบบจุลภาค และสามารถอธิบายพฤติกรรมของผู้ใช้บนท้องถนนได้ ผ่านทางสมการคณิตศาสตร์ แบบจำลองนี้จึงเหมาะสมกับการนำมาจำลองเพื่อหากลยุทธ์การเลือกโครงข่ายที่เหมาะสมแบบปรับตัวได้ การทดลองในวิทยานิพนธ์ที่เสนอกำหนดให้มีความแปรปรวนของระบบแตกต่างกัน เพื่อทดสอบการทำงานของวิธีการเรียนรู้แบบเสริมแรงในสภาพแวดล้อมที่แตกต่างกันออกไป ซึ่งผลการทดลองดังกล่าวนั้นแสดงให้เห็นว่า วิธีการเรียนรู้แบบเสริมแรงนั้นสามารถเลือกโครงข่ายที่เหมาะสมได้ ในทุกผลการทดลองที่ได้นำเสนอ โดยไม่จำเป็นต้องใช้การคำนวณที่ซับซ้อน เหมือนกับอัลกอริทึมอื่นที่มีประสิทธิภาพใกล้เคียงกัน ทั้งยังสามารถปรับปรุงการเลือกโครงข่ายได้โดยอัตโนมัติ หากสภาพแวดล้อมของระบบเปลี่ยนไปอย่างรวดเร็ว