پروژه پایتون(16417))=/

---

شرح پروژه

#پروژه_جدید 

#کد_پروژه: 16417

موضوع: پروژه پایتون

سلام وقت بخیر

شما پروژه پایتون با یادگیری تقویتی انجام‌میدید؟

براتون توضیحات اضافی ارسال کردم.

 در قسمت D مقاله یک مساله تخصیص منابع داریم (بهینه کردن) که مینیمم کردن ber سیستم مورد نظر بر حسب تعداد مولکول های ارسال شده (g) می باشد که محدب بودنش رو بررسی کرده مقاله و به جواب رسیده.

ما میخوایم قید مساله بهینه سازی رو عوض کنیم .یعنی به جای اینکه بر حسب تعداد مولکول مینیمم ber رو به دست بیاوریم بر اساس زمان ارسال مولکول (time slot) این مینیمم ber را به دست بیاریم.

برای حل این مساله ابتدا باید یک نمودار جدید رسم شود که نشان دهنده مینیمم ber بر حسب تعداد مولکول های ارسالی می باشد.

محور افقی 

Number of molecules to send bit 1

و محور عمودی ber می باشد. این نمودار با توجه به جدول ارسال شده و نمودار 

Mimo-mtmr

در مقاله می باشد. 

. روابط ber  و نحوه ی پیاده سازی با توجه به نوع مدل سیستم در مقاله مطرح شده است. جدولی که مدل سیستم رو طبق اون باید شبیه سازی کنید ارسال شده است.

یعنی شما باید mimo-mtmr در مقاله رو که در شکل (a)3 بر حسب 

time slot 

  رسم شده کرده است  رو بر اساس تعداد مولکول از 

[100 1500]

ان را رسم کنید. تعداد مولکول با g نشان داده شده است در جدول. J نشان دهنده isi و r نشان دهنده شعاع گیرنده و d نشان دهنده فاصله بین فرستنده و گیرنده است ، h نشان دهنده فاصله بین دو گیرنده است .D در جدول نشان دهنده تفاوت D های مولکول ها هست که در مقاله با تِتا نمایش داده شده است .

فقط هم نمودار شکل mimo-mtmr با روابط ان مد نظر است.

فقط باید توجه شود که سیستم مورد نظر از ۲ فرستنده و دو گیرنده به جای ۴ فرستنده و ۴ گیرنده استفاده میشود.

پس فرق کار جدید با قدیمی در ۲×۲ بودن سیستم است.‌

در ادامه شما باید برای حل مساله دو نمودار دیکه ای رو هم رسم کنید‌

بر اساس روش یادگیری تقویتی و روش یادگیری تقویتی عمیق.

یعنی در مرحله اول شما یک بار نمودار 

Mimo-mtmr

رو در حالت عادی رسم کردید بدون اینکه مساله بهینه سازی رو حل کنید.

ولی در مرحله ی بعدی باید بر اساس روش یادگیری تقویتی و یادگیری تقویتی عمیق مساله رو حل کنید.

یعنی در نهایت ۳ نمودار داریم که 

۱-mimo mtmr

2-mimo-mtmr 

با روش یادگیری تقویتی مساله حل شده

3- mimo-mtmr

با روش یادگیری تقویتی عمیق مساله حل شده است.

فقط حتما توجه کنید مدل سیستم با توجه به توضیحات مقاله و فرضیات آن و جدول ای که ارسال کرده ام باشد.

تنها با یک تفاوت که سیستم 2×2 است.

پس ۳ نمودار در  یک شکل داریم که محور افقی تعداد مولکول و محور عمودی ber است

که ۳ نمودار شامل یادگیری تقویتی و یادگیری تقویتی عمیق و حالت mimo-mtmr است( مساله جدید را با دو روش یادگیری تقویتی و یادگیری تقویتی عمیق حل کرده ایم)

در جدولی که براتون فرستادم برای h دو مقدار ۱ و ۴ استفاده کرده.

شما میتونید اول با ۱ حل کنید  مساله رو و نمودار رو رسم کنید بعد مقدار ۴ رو بذارید و با هم مقایسه کنید

فقط گزارش  این کار خیلی برام مهم است باید مفصل باشه . کامل ریز کاری ها رو برام توضیح بدید. یک فصل از پایان نامه ام راجع ب این کار هستش برای همین میخوام هر چی نیازه براش بنویسید.

مقادیر پارامتر learning ها  که شامل

number of episode, number of iteration per episode, replay memory , initial €, € greedy , minimum €, learning rate, optimizer, activation function, discount factor, simulation time period,...

State , action, reward, agent

در هر دو الگوریتم که ب کار بردین چی بودن و مقدار reward چی بوده.

تعداد state ها و action ها چه مقدار بوده. در یک جدول کامل برام بنویسید.

وروری و خروجی شبکه عصبی چیا هستن و...

تعداد لایه های شبکه عصبی ، چه مقدار نورون در هر لایه بوده، تابع activation چی بوده برای هر لایه  کامل نوشته بشه اینا.

بعد شکل ها رو کامل تحلیل کنید برام.

و الگوریتم (seudo code) این دو تا روش رو بنویسد این که چه جوری نوشتید برام توضیح بدید

پس کل کاری که میخوایم انجام بدیم:

۱- رسم نمودار mimo-mtmr : محور افقی تعداد مولکول

Number of molecules to send bit 1 

که پارامترش رو در مقاله با g و تعداد ان از ۱۰۰ تا ۱۵۰۰ است. ( حتما به توضیحات مقاله توجه شود تا مدل سیستم به درستی پیاده سازی شود).

۲- حل مساله بهینه سازی جدید

مینیمم کردن ber بر حسب زمان ارسال مولکول یعنی:

Min p(mimo-mtmr)[m]

Ts 

با استفاده از دو روش زیر:

الف)یادگیری تقویتی

ب) یادگیری تقویتی عمیق

برای هر کدام ابتدا مقدار h=1 را استفاده سپس h=4. و در اخر نمودارها با هم در یک شکل مقایسه شوند.

و در نهایت گزارش کاری که مفصل توضیح دادم بابد به چه صورت باشه.

بیشتر نحوه ی شبیه سازی، تحلیل نتایج و قرار گیری مقادیر پارامتر یادگیری مهم است.

شما بررسی کنید ببینید چه قدر زمان بر هست

این پروژه شامل 2 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---