عنوان	بهینه‌سازی رایانش لبه با استفاده از یادگیری تقویتی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	راهزن چند دست، محاسبات لبه موبایل، بهینه‌سازی، برونسپاری وظیفه، اکتشاف آگاه از کانال
چکیده	در این پایان‌نامه ، بهینه‌سازی برونسپاری وظایف برای برنامه‌های حساس به تأخیر را از دیدگاه یادگیری راهزن چند دست بررسی می‌کنیم. هدف اصلی ما کاهش تأخیر برونسپاری وظایف در چنین برنامه‌هایی است. ما برونسپاری وظایف را به‌عنوآن‌یک مسئله بهینه‌سازی تخصیص منابع در چارچوب یک شبکه بی‌سیم متشکل از سرورهای لبه موبایل ترمینال‌ها که به‌طور تصادفی در شبکه قرارگرفته‌اند، فرمول‌بندی می‌کنیم. برای ارزیابی عملکرد روش‌های پیشنهادی، یک راه‌حل تحلیلی برای مسئله ارائه می‌دهیم که به ما امکان می‌دهد پیچیدگی محاسباتی آن را ارزیابی کنیم. سپس از تکنیک‌های یادگیری MAB، ازجمله روش‌های اپسیلون حریصانه و کران بالای اطمینان ، برای مقابله با این پیچیدگی و بهبود کار آیی محاسبات استفاده می‌کنیم. علاوه بر این، یک استراتژی اکتشافی جدید در چارچوب یادگیری MAB به نام اکتشاف آگاه از کانال معرفی می‌کنیم. با بهره‌گیری از تنوع در بهره کانال‌ها بین موبایل ترمینال‌ها و سرورهای لبه ، این روش به بهبود عملکرد تأخیر در برونسپاری وظایف می‌پردازد. قابل‌توجه است که این روش دارای پیچیدگی محاسباتی چندجمله‌ای بوده و بهبود فراوانی در حدود 15 درصد در عملکرد تأخیر نسبت به روش‌های سنتی یادگیری MAB نشان می‌دهد. شبیه‌سازی‌ها و تحلیل‌های مقایسه‌ای گسترده، کارآمدی روش‌های پیشنهادی ما را در بهینه‌سازی برونسپاری وظایف برای برنامه‌های حساس به تأخیر در محیط‌های محاسباتی لبه موبایل تأیید می‌کند.
پژوهشگران	محمد فتحی (استاد راهنما)، سارا کاظمی (دانشجو)