PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HIỆU QUẢ CỦA VIỆC ÁP DỤNG HỌC TĂNG CƯỜNG VÀO ĐIỀU KHIỂN ĐỊNH TUYẾN TRONG MẠNG KHÔNG DÂY HÌNH LƯỚI

Tạp chí Khoa học Đại học Huế: Kỹ thuật và Công nghệ; pISSN 2588-1175 | eISSN 2615-9732 Tập 133, Số 2A, 2024, Tr. 45–62; DOI: 10.26459/hueunijtt.v133i2A.7492 * Liên hệ: lhbinh@hueuni.edu.vn Ngày nhận bài: 27–04–2024; Ngày nhận đăng: 23–05–2024 PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HIỆU QUẢ CỦA VIỆC ÁP DỤNG HỌC TĂNG CƯỜNG VÀO ĐIỀU KHIỂN ĐỊNH TUYẾN TRONG MẠNG KHÔNG DÂY HÌNH LƯỚI Lê Hữu Bình1*, Lê Đức Huy2 1 Khoa Công nghệ thông tin, Trường Đại học Khoa học, Đại học Huế, Việt Nam 2 Khoa Công nghệ thông tin, Trường Đại học Kinh doanh và Công nghệ Hà Nội, Việt Nam Tóm tắt. Việc ứng dụng học tăng cường vào điều khiển định tuyến trong mạng không dây hình lưới đang thu hút sự quan tâm của nhiều nhóm nghiên cứu. Các công trình nghiên cứu gần đây đã chỉ ra rằng định tuyến dựa trên học tăng cường mạng lại hiệu quả cao hơn so với các giao thức định tuyến truyền thống, đặc biệt là trong các mô hình mạng không dây hình lưới với tải lưu lượng cao, vùng diện tích rộng, sử dụng nhiều bộ định tuyến. Trong bài báo này, chúng tôi tập trung phân tích các yếu tố ảnh hưởng đến hiệu quả của việc áp dụng học tăng cường vào điều khiển định tuyến. Từ đó, đưa ra các khuyến nghị phù hợp nhằm nâng cao hiệu năng mạng khi sử dụng các giao thức định tuyến dựa trên học tăng cường. Từ khóa: Mạng không dây hình lưới, định tuyến dựa trên học tăng cường, hiệu năng mạng Analysis of factors influencing the efficiency of applying reinforcement learning to routing control in wireless mesh network Le Huu Binh1*, Le Duc Huy2 1 Faculty of Information Technology, University of Sciences, Hue University, Hue City, Vietnam

2 Faculty of Information Technology, Ha Noi University of Business and Technology, Vietnam Abstract. The application of reinforcement learning to routing control in mesh wireless network is attracting the attention of many research groups. Recent works have shown that reinforcement learning-based routing is more efficient than traditional routing protocols, especially in mesh wireless network models with heavy traffic loads, wide area, and multiple routers. In this paper, we focus on investigating the factors that affect the effectiveness of applying reinforcement learning to routing control. Thence, we provide appropriate recommendations for improving network performance when employing reinforcement learning-based routing protocols.