Zastosowanie algorytmów wielorękich bandytów do wyboru szybkości transmisji w sieciach IEEE 802.11ax

• Autorzy: Wojnar Maksymilian , Ciężobka Wojciech

Identyfikatory

DOI

10.15199/59.2023.4.36

Warianty tytułu

EN

Applying multi-armed bandit algorithms for data rate selection in IEEE 802.11ax networks

• Konferencja: Konferencja Radiokomunikacji i Teleinformatyki (20-22.09.2023 ; Kraków, Polska)
• Języki publikacji: PL

Abstrakty

PL

Wybór szybkości transmisji jest kluczowym problemem sieci IEEE 802.11. Można traktować go jako zagadnienie wielorękich bandytów. W tej pracy zaimplementowano algorytmy wielorękich bandytów używając autorskiej biblioteki programistycznej. Przeprowadzono studium parametrów oraz testy działania rozwiązań w symulatorze ns-3. Wyniki pokazują, że zastosowanie omawianych algorytmów może znacząco poprawić wydajność gęstych sieci Wi-Fi.

EN

Data rate selection is a typical problem of Wi-Fi networks. We present this problem in IEEE 802.11 networks as a multi-armed bandit (MAB) problem. We implement MAB algorithms using our library for rapid prototyping of reinforcement learning algorithms. We conduct a parameter study and test the performance of the solutions in the ns-3 simulator. Our results show that using MAB algorithms can significantly improve the performance of dense Wi-Fi networks.

Słowa kluczowe

PL

802.11; uczenie maszynowe; szybkość transmisji

EN

802.11; machine learning; data rate selection

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2023
• Tom: nr 4
• Strony: 173--176
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Wojnar Maksymilian

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Kraków

autor

Ciężobka Wojciech

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Kraków

Bibliografia

• [1] Auer P. et al. 2002. „The Nonstochastic Multiarmed Bandit Problem”. SIAM J. Comput. 32: 48-77.
• [2] Fietkau F. 2010. „Minstrel HT Linux Wireless”. https://lwn.net/Articles/376765/.
• [3] Krotov A., A. Kiryanov, E. Khorov. 2020. „Rate Control With Spatial Reuse for Wi-Fi 6 Dense Deployments”. IEEE Access 8: 168898–909.
• [4] Sutton R., A. Barto. 2018. „Reinforcement Learning: An Introduction”. MIT Press.
• [5] Szott S. et al. 2022. „Wi-Fi Meets ML: A Survey on Improving IEEE 802.11 Performance With Machine Learning”. IEEE Commun. Surveys & Tuts. 24(3): 1843–93.
• [6] Yin H. et al. 2020. „Ns3-Ai: Fostering Artificial Intelligence Algorithms for Networking Research”. 2020 Workshop on ns-3, 57–6

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).