文章的正确链接:
Shabrova, A.S., Knyazev, M.A., Kolesnikov, A.V. (2025). 基于强化学习算法的NB-物联网网络中rach时隙的动态分配. 软件系统和计算方法, 2, 1–11. https://doi.org/10.7256/2454-0714.2025.2.73848
注释,注释:
该研究的主题是在具有高设备密度的窄带物联网(NB-IoT)网络中对随机接入信道(RACH)的访问管理。 研究的目的是使用机器学习方法动态分配RACH时隙的程序。 主要关注强化学习(RL)算法的应用,特别是Q学习和深度Q网络(DQN)方法。 作者详细考虑了信道过载和相关碰撞问题,导致数据传输延迟和设备功耗增加。 本文分析了传统静态时隙管理方法的有效性不足,并证实了引入能够适应不断变化的网络条件的动态方法的必要性。 该研究使用了机器学习方法,包括Q-learning和DQN,以及具有RL代理集成的NS-3环境中的仿真建模,用于rach插槽的动态重新分配。 该研究的科学新颖性在于开发和集成专门的RL代理,该代理允许基于NB-IoT网络的当前状态自适应分配RACH插槽。 该研究的主要结论是所提出的动态方法的确认的高效率,与传统的静态方法相比,碰撞次数减少了74%,成功连接次数增加了16%,设备的能效提高了15%。 进一步研究的前景包括将所提出的方法扩展到具有大量设备的网络,研究多代理RL方法,实验验证和集成所开发的方法与真实的NB-IoT网络,以及开发将强化学习算法与其他机器学习方法相结合的混合控制模型。
关键词:
NB-物联网, 强化学习, Q-学习, DQN, 碰撞, NS-3, 强化学习, 拉赫, 物联网, 物联网
文章的正确链接:
Karpovich, V.D., Gosudarev, I.B. (2025). 执行环境节点中的WebAssembly性能研究。js的. 软件系统和计算方法, 2, 12–34. https://doi.org/10.7256/2454-0714.2025.2.74049
注释,注释:
浏览器、Node等现代执行环境。js和其他为开发人员提供了工具,使他们能够超越传统的JavaScript。 这项研究的目的是创建web应用程序的现代方法,在这些应用程序中,由于使用WebAssembly,可以执行和共享用不同编程语言编写的组件。 该研究的主题是测试和分析旨在测量Node运行时环境中JavaScript和WebAssembly模块性能的测试结果。js,重点比较计算任务的效率,内存交互,数据处理,跨语言交互。 作者详细研究了该主题的一些方面,如将WebAssembly集成到应用程序中,评估其在使用应用的实验方法解决资源密集型任务(如图像处理、客观性、代表性和测试的可重复性)方面的优势。 比较了使用纯JavaScript和WebAssembly模块时的操作速度。 为了评估有效性,使用了有关请求响应时间和应用程序对系统资源的消耗的数据。 这项工作的科学新颖之处在于开发和理论证实了使用WebAssembly技术测试web应用程序的方法。 与大多数专注于浏览器环境中的WebAssembly性能和安全性的现有研究不同,本文专注于浏览器外的WebAssembly模块的自动化测试,到目前为止,这仍然是一个发展不佳的 提出了一种在节点运行时环境中组织测试WebAssembly模块的方法。js,包括测试结构化的原理,与JavaScript组件的集成,执行结果的分析。 这种方法使我们能够考虑到服务器环境的细节,其中WebAssembly越来越多地被使用,特别是在开发高负载的计算模块,跨语言逻辑和安全隔离执行时。 科学上的新颖性还在于推导出标准,使评估某些应用程序组件在可测试性方面迁移到WebAssembly的适用性成为可能,这为开发人员提供了一个额外的工具来做出架构决策。 所提出的想法得到了实验部分的证实,其中包括WebAssembly和JavaScript之间交互的测试场景的实现示例。
关键词:
网络装配, JavaScript的, 性能优化, 计算密集型任务, 图像处理, 技术集成, 服务器计算, 实验分析, 算法优化, 汇编及解释