Bilişsel Radyo Ağlarında İmmün Plazma Algoritması İle Kanal Atama Probleminin Çözülmesi

Abstract

İlk kez 2019 yılında Çin'in Wuhan eyaletinde görülen yeni korona virüs (COVID-19) tüm dünyayı hızla etkilemiş ve hala devam eden bir pandemiye sebep olmuştur. Ortaya çıkan bu sağlık krizini çözmek için önerilen tedavi ve teşhis yöntemleri doğrudan tıp bilimleri ile alakalı olsa da, bilgisayar ve veri bilimlerinden de araştırmacıların ilgisini çekmiştir. Bu ilginin beklenen sonucu olarak, geçtiğimiz yıllarda konvalesan veya immün plazma adı verilen tedavi yönteminin temel işlem adımlarını referans noktası alan İmmün Plazma algoritması (Immune Plasma algorithm – IP algorithm veya IPA) önerilmiştir. Bu tez kapsamında, IP algoritması, bilişsel radyo ağlarında kanal atama probleminin özellikleri dikkate alınarak güncellenmiştir. Ayrıca, IP algoritmasına yardımcı olacak bir düzenleme metodu geliştirilerek, bilişsel radyo ağlarında kanal atama probleminin çözümü gerçekleştirilmiştir. IP algoritmasının performansının incelenmesi için aralarında Yapay Arı Koloni algoritması, Ateş Böceği algoritması, Parçacık Sürü Optimizasyon algoritması, Genetik algoritma ve Gri Kurt Optimizasyon algoritması olan bir dizi meta-sezgisel algoritma ile karşılaştırmalar yapılmıştır. Karşılaştırma sonuçları, test senaryolarının genelinde IP algoritmasının bahsedilen diğer algoritmalara kıyasla daha başarılı çözümler ürettiğini göstermiştir.

The new corona virus (COVID-19) that is seen first in the Wuhan city of China at the beginning of 2019 has effected the whole world quickly and caused a pandemic still ongoing. Even though the treatment and diagnostic techniques proposed for handling the mentioned health crisis are directly related with the medical sciences, they also gathered researchers' interests from computer and information sciences. As an expected result of this interest, Immune Plasma algorithm (IP algorithm or IPA) referencing the fundamental steps of a treatment method called convalescent or immune plasma has been proposed recently. In this thesis, IP algorithm was modified by considering the properties of the channel assigment problem in cognitive radio networks. Moreover, a fixing method that supports IP algorithm was introduced and channel assignment problem in cognitive radio networks was solved. In order to investigate the performance of the IP algorithm, comparative studies with a set of meta-heuristics including Artificial Bee Colony algorithm, Firefly algorithm, Particle Swarm Optimization algorithm, Genetic algorithm and Grey Wolf Optimizer algorithm were carried out. The results obtained from the comparative studies showed that IP algorithm is capable of finding more qualified solutions for the vast majority of the test scenarios when the mentioned algorithms are considered.