000			03106nam a22003257a 4500
003			EC-UrYT
005			20231202121017.0
008			150116t9999 mx r gr 000 0 spa d
040			_cEC-UrYT
041			_aeng _bspa
100	1		_aAndrade Zambrano, Argenis Ronaldo _915431 _eautor
245	1	3	_aAn improved congestion control mechanism for wireless networks using reinforcement learning / _cArgenis Ronaldo Andrade Zambrano ; tutor Juan Pablo Astudillo León
264		4	_aUrcuquí, _c2023
300			_a105 hojas : _bilustraciones (algunas a color) ; _c30 cm + _e1 CD-ROM
502			_aTrabajo de integración curricular _b(Ingeniero en Tecnologías de la Información). _cUniversidad de Investigación de Tecnología Experimental Yachay. _gUrcuquí, _d2023
504			_aIncluye referencias bibliográficas (páginas 71-83)
506			_aTrabajo de integración curricular con acceso abierto
516			_aTexto (Hypertexto links)
520			_aLas redes de comunicación inalámbrica, en particular las de múltiples saltos, se están expandiendo rápidamente, impulsadas por la integración de capacidades de comunicación en varios dispositivos. Un desafío importante en estas redes es gestionar la congestión, especialmente cuando se utiliza el protocolo de datagramas de usuario (UDP), que inherentemente carece de mecanismos de retroalimentación para mitigar la congestión. Esta tesis presenta un novedoso enfoque de control de congestión diseñado para estas redes, basado en Deep Q-Network (DQN). Al emplear el poder del aprendizaje por refuerzo profundo, el mecanismo DQN se adapta dinámicamente a escenarios de redes estáticas y móviles, tomando decisiones en tiempo real para optimizar el rendimiento de la red. El estudio evalúa este enfoque en diversos entornos, incluidas redes estáticas estructuradas y entornos inspirados en el mundo real. Los resultados muestran consistentemente la superioridad del mecanismo DQN sobre una línea de base sin control de congestión, particularmente en lo que respecta a la tasa de entrega de paquetes (PDR) y el tiempo de tránsito de la red. Sin embargo, a medida que aumenta la complejidad de la red, el rendimiento del modelo disminuye, lo que sugiere posibles desafíos de escalabilidad. El control de congestión basado en DQN ofrece una vía prometedora para mejorar la comunicación inalámbrica, pero es fundamental realizar más investigaciones para optimizarlo en entornos de red en continua evolución.
546			_aTextos en inglés con resúmenes en español e inglés
650		0	_aComunicaciones inalámbricas _915432
650		0	_aRedes multisalto _915433
650		0	_aAprendizaje profundo _912693
650		0	_aTecnologías de la Información _93891 _vTrabajos y disertaciones académicas
700	1		_aAstudillo León, Juan Pablo _915434 _etutor
710	1		_aUniversidad de Investigación de Tecnología Experimental Yachay. _911232 _bEscuela de Ciencias Matemáticas y Computacionales
856			_zVer recurso _uhttp://repositorio.yachaytech.edu.ec/handle/123456789/680
942			_2ddc _cTIC
999			_c4460 _d4460