ارائه­ دهنده:
مینا خوش‌بزم فریمانی

 استاد راهنما:
دکتر رضا انتظاری ملکی

هیات داوری: 
 دکتر محسن شریفی
 دکتر احمد خونساری

زمان:
 ۱۴۰۱/۱۰/۱۸

ساعت ۱۵:۰۰
 

خانم مینا خوش‌بزم فریمانی دانشجوی کارشناسی ارشد آقای دکتر رضا انتظاری ملکی مورخ ۱۸ دیماه ساعت ۱۵:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "ارائه یک الگوریتم بارسپاری وظایف در خودرو‌های خودران تحت محاسبات لبه" دفاع خواهند نمود.

چکیده پایان نامه:
 اخیراً محاسبات لبه خودروییبه عنوان موثر ترین راه حل برای رفع نیازهای روزافزون خودرو‌های هوشمند به سایر منابع محاسباتی معرفی شده است. با وجود اینکه ظرفیت محاسباتی سرویس‌دهنده‌های لبه مستقر در واحد‌های کنارجاده‌ای نسبت به ظرفیت محاسباتی محلی خودرو قدرتمند‌تر می‌باشد، اما چالش اصلی در این حوزه انتخاب وظایف تولید شده در خودرو جهت بارسپاری ضمن در نظر گرفتن مهلت زمانی وظایف با هدف کاهش انرژی و ایجاد عملکرد مناسب می‌باشد. در این پایان‌ نامه ما به معرفی معماری یک شبکه محاسبات لبه خودرویی می‌پردازیم. این شبکه شامل تعدادی خودرو در حال حرکت با سرعت غیر ثابت می‌باشد که در هر بازه زمانی تعدادی وظیفه توسط برنامه‌های خودرو تولید می‌شود. در ادامه به معرفی یک الگوریتم بارسپاری وظایف به منظور کاهش مصرف انرژی و تأخیر ضمن در نظر گرفتن جهت حرکت خودرو، مبتنی بر Rainbow می‌پردازیم. Rainbow پیشرفته‌ترین الگوریتم یادگیری تقویتی عمیق است که ترکیب شش بهبود مستقل معرفی شده بر روی الگوریتم یادگیری تقویتی عمیق می‌باشد. در نهایت جهت ارزیابی عملکرد الگوریتم پیشنهادی از داده‌های ترافیکی واقعی گزارش شده در یکی از شهر‌های فرانسه استفاده کرده‌ و عملکر الگوریتم‌ را با سایر الگوریتم‌های یادگیری تقویتی عمیق از جمله DQN،Double-DQN  و Deep Recurrent DQN مقایسه کرده‌ایم. نتایج آزمایش نشان می‌دهد که در صورت استفاده از الگوریتم پیشنهادی شاهد یک کاهش متوسط ۱۸ و ۱۵ درصدی به ترتیب در مصرف انرژی و تأخیر به نسبت سایر الگوریتم‌های DQN‌ می‌باشیم. علاوه بر این ثبات و همگرایی الگوریتم پیشنهادی به وضوح نسبت به سایر الگوریتم‌ها بهبود نیز می‌یابد.