İHA destekli ağlarda kapsama ve alan kullanımı verimliliği için öğrenmeye dayalı dinamik konumlandırma
Learning-based dynamic positioning for coverage and area utilization efficiency in UAV-assisted networks
- Tez No: 1011502
- Danışmanlar: DOÇ. DR. YILMAZ AR, DR. ÖĞR. ÜYESİ ELİF HAYTAOĞLU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Afet senaryolarında sabit hücresel haberleşme altyapısının devre dışı kalması, etkilenen bölgelerdeki kullanıcılara kesintisiz iletişim hizmeti sağlanmasını kritik bir problem haline getirmektedir. Bu tezde, afet sonrası haberleşme altyapısının yokluğunda mobil baz istasyonu olarak görev yapan İnsansız Hava Araçlarının (İHA) dinamik konumlandırma problemine çok ajanlı pekiştirmeli öğrenme (MARL) tabanlı bir çözüm önerilmektedir. Önerilen sistem, parametre paylaşımı destekli Dueling-Double Derin Q-Ağı (DQN) mimarisi üzerine inşa edilmiş olup merkezi eğitim ve dağıtık uygulama (CTDE) paradigmasını benimsemektedir. 1000×1000 m² büyüklüğündeki simülasyon ortamında, her biri 500 zaman adımından oluşan bölümler boyunca Statik, Rastgele Yürüyüş, Rastgele Yol Noktası, Gauss-Markov POI ve Yönlendirilmiş Sürüklenme olmak üzere beş farklı kullanıcı mobilite modeli altında sistem değerlendirilmiştir. Ajanlar, sekiz boyutlu yerel gözlem vektörü aracılığıyla çevrelerini algılamakta; global ve lokal bileşenlerden oluşan hibrit bir ödül fonksiyonu ile fark ödülü (difference reward) mekanizması sayesinde çok-metrikli optimizasyon gerçekleştirmektedir. Deneysel sonuçlar, önerilen DQN politikasının tüm mobilite modellerinde rastgele ve korelasyonlu rastgele yürüyüş temel çizgilerini belirgin biçimde geride bıraktığını ortaya koymaktadır. Yönlendirilmiş Sürüklenme senaryosu en yüksek kullanıcı kapsama oranını ve en kararlı bağlantısallığı sağlarken, dinamik mobilite modellerinin Jain Adalet İndeksi açısından statik modele kıyasla daha yüksek seviyelere ulaştığı gözlemlenmiştir. İHA sayısı arttıkça kapsama oranında sistematik bir iyileşme kaydedilmiş, ancak kazanım marjının azaldığı tespit edilmiştir. Bu tez; MARL tasarımı, hibrit ödül/gözlem mühendisliği ve kapsamlı mobilite bazlı deney protokolü açısından literatüre özgün katkılar sunmaktadır.
Özet (Çeviri)
The failure of fixed cellular communication infrastructure in natural disaster scenarios poses a critical challenge for providing uninterrupted communication services to affected users. This thesis proposes a multi-agent reinforcement learning (MARL)-based solution to the dynamic positioning problem of Unmanned Aerial Vehicles (UAVs) acting as mobile base stations in post-disaster environments where conventional infrastructure is unavailable. The proposed system is built upon a Dueling-Double Deep Q-Network (DQN) architecture with Parameter Sharing, adopting the centralized training with decentralized execution (CTDE) paradigm. The system is evaluated within a 1000×1000 m² simulation environment over episodes consisting of 500 time steps, under five distinct user mobility models: Static, Random Walk, Random Waypoint, Gauss-Markov POI, and Directed Drift. Each agent perceives its environment through an eight-dimensional local observation vector, and multi-metric optimization is achieved via a hybrid reward function combining global and local components alongside a difference reward mechanism. Experimental results demonstrate that the proposed DQN policy consistently outperforms random and correlated random walk baselines across all mobility models. The Directed Drift scenario yields the highest user coverage ratio and most stable network connectivity, while dynamic mobility models achieve higher Jain's Fairness Index values compared to the static model. A systematic improvement in coverage ratio is observed as the number of UAVs increases, although the marginal gain diminishes with each increment. This thesis contributes to the literature through its MARL system design, hybrid reward and observation engineering, and a comprehensive mobility-based experimental protocol.
Benzer Tezler
- Physical layer security performance of satellite networks
Uydu ağlarının fiziksel katman güvenlık başarımı
OLFA BEN YAHIA
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Prof. Dr. GÜNEŞ ZEYNEP KARABULUT KURT
Assoc. Prof. Dr. EYLEM ERDOĞAN
- Next generation wireless networks for social good
Sosyal fayda için yeni nesil telsiz ağlar
SULTAN ÇOĞAY
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ
- Tommaso Campanella ve Thomas More`un ütopyalarının karşılaştırılması
Comparing Thomas More and Tommaso Campanella`s utopias
MAHMUT AVCI
Yüksek Lisans
Türkçe
2006
FelsefeAtatürk ÜniversitesiFelsefe ve Din Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. OSMAN ELMALI
- Incorporating UAV tier into the VCL proposal for multimedia tactical communications
Çoğul ortam taktik iletişimi için İHA katmanının SHK yaklaşımına uyarlanması
MEHMET BİLGE KAĞAN ÖNAÇAN
Yüksek Lisans
İngilizce
2002
Savunma ve Savunma TeknolojileriBoğaziçi ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. CEM ERSOY
DR. ERDAL ÇAYIRCI
- Prioritization driven task offloading in uav-aided software-defined networks
İha destekli yazılım tanımlı ağlarda öncelik odaklı görev dağıtımı
ONUR KALINAĞAÇ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH ALAGÖZ
PROF. DR. BERK CANBERK
PROF. DR. TUNA TUĞCU