Implémentation GNU Radio de MALIN: "stratégies d'apprentissage de bandits multi-bras pour des réseaux de l'Internet des Objets" ("Multi-Armed bandits Learning for Internet-of-things Networks")

Abstract

Nous implémentons un réseau IoT de la manière suivante : une station de base, un ou plusieurs objets intelligents (c'est-à-dire dotés de capacité d'apprentissage), intégrant la solution proposée, et un générateur de trafic qui émule les interférences radio de nombreux autres objets. Les objets intelligents communiquent avec la station de base à l'aide d'un protocole sans fil basé sur ALOHA, qui ne nécessite pas de surcharge spécifique pour l'apprentissage. Nous modélisons l'accès au réseau comme un problème de prise de décision séquentielle discrète, et en utilisant le cadre et les algorithmes de l'apprentissage des bandits multi-bras (MAB, Multi-Armed Bandit), nous montrons que les objets intelligents peuvent améliorer leur accès au réseau en utilisant des algorithmes peu complexes et décentralisés, tels que UCB1 et Thompson Sampling. Cette solution pourrait être ajoutée de manière simple et gratuite dans les réseaux LoRaWAN, simplement en ajoutant cette fonctionnalité dans certains ou tous les appareils, sans aucune modification côté réseau.