Fully distributed bandit algorithm for the joint channel and rate selection problem in heterogeneous cognitive radio networks

Bilişsel radyo ağlarında ağ çıktısını enbüyüklemek için her kullanıcının kablosuz kanal, modülasyon ve kodlama şeması (aktarım hızı) seçtiği, merkezi olmayan dinamik oran ve kanal seçimi problemi ele alınmıştır. Kullanıcıların işbirliği yaptığı, ancak, kendi aralarında koordinasyon ve haberleşme yapmadığı ve sistemdeki kullanıcı sayısının bilinmediği varsayılmıştır. Bu problem çoklu-oyunculu çok-kollu haydut olarak modellenmiş ve Sıralı İkiye Bölmeli Dikey Keşifli Taht Oyunları (GoT-SHOE) isimli merkezi olmayan öğrenme algoritması önerilmiştir. Önerilen algoritma oyundaki çarpışmaları mümkün olduğunca az tutar ve hızlı öğrenmek için aktarım hızının neredeyse en uygun keşfini yapar. Öğrenme algoritmamızın en uygun tahsise göre pişmanlığının artışının zamanda logaritmik olduğu kanıtlanmıştır. Ayrıca kullanıcı sayısının kanal sayısından büyük olduğu durumlarda algoritmamızın nasıl çalıştırılabileceği de incelenmiştir. Ek olarak, Sıralı İkiye Bölmeli Dikey Keşif metodunun herhangi bir merkezi olmayan kanal ataması algoritmasıyla nasıl kullanılabileceği ve bu durumda sunduğu performans artışı tartışılmıştır. Son olarak, öğrenme algoritmamızın başarısı simülasyonlar üzerinden en gelişmiş diğer metotlarla karşılaştırılmış ve algoritmamızın başarılı iletilen veri miktarını yüksek oranda arttırdığı ve çarpışma sayılarını azalttığı gösterilmiştir.