Adaptive Multi-Objective Optimization of Blockchain Parameters in IIoT Systems Using Deep Reinforcement Learning

Kevin Beckham Hotama, Prof. Dr.-Ing. Mhd. Reza M. I. Pulungan, S.Si., M.Sc.

2026 | Skripsi | ILMU KOMPUTER

Teknologi blockchain telah diusulkan sebagai solusi yang menjanjikan untuk meningkatkan performa sistem Industrial Internet of Things (IIoT). Namun ketergantungannya pada parameter konfigurasi yang statis membatasi kemampuannya untuk beradaptasi terhadap kondisi beban kerja yang dinamis. Penelitian ini mengusulkan kerangka optimasi adaptif berbasis Deep Q-Network (DQN) yang secara dinamis menyesuaikan parameter konfigurasi blockchain berdasarkan metrik sistem yang diamati dalam lingkungan IIoT. Kerangka ini memodelkan masalah optimasi sebagai Markov Decision Process, di mana agen DQN memilih kombinasi ukuran blok, interval blok, dan perilaku batching untuk memaksimalkan throughput sekaligus meminimalkan latensi konfirmasi transaksi dan penggunaan CPU. Fungsi reward berupa weighted scalarization adaptif dirancang untuk menyesuaikan prioritas setiap objektif secara dinamis berdasarkan kondisi sistem saat ini, mengatasi keterbatasan fungsi reward berbobot tetap yang digunakan pada penelitian sebelumnya. Kerangka ini diimplementasikan dan dievaluasi pada lingkungan blockchain berbasis Ethereum menggunakan Hardhat Network di bawah tiga skenario beban kerja: rendah, normal, dan tinggi, dan dibandingkan dengan konfigurasi baseline statis. Studi ablasi juga dilakukan untuk mengevaluasi kontribusi individual dari pembobotan adaptif dan pertimbangan CPU. Hasil penelitian menunjukkan bahwa pendekatan adaptif secara konsisten mengurangi penggunaan CPU dibandingkan baseline statis di semua skenario beban kerja, dengan pengurangan hingga 18,2% pada beban kerja rendah. Throughput dan latensi tidak mengalami peningkatan dalam durasi pelatihan saat ini, yang dikaitkan dengan 500 episode yang tidak mencukupi bagi agen untuk mempelajari kebijakan block size dan batch behavior yang efektif di seluruh action space yang telah berfungsi sepenuhnya. Studi ablasi menunjukkan bahwa konfigurasi no-CPU secara konsisten mengungguli konfigurasi full adaptive dalam throughput dan latensi, mengindikasikan bahwa penalti CPU mengarahkan agen menjauh dari konfigurasi yang berfokus pada throughput. Temuan ini menunjukkan bahwa kerangka yang diusulkan berhasil mengurangi konsumsi sumber daya komputasi, namun mengidentifikasi perlunya durasi pelatihan yang lebih lama untuk mengoptimalkan throughput dan latensi di seluruh action space yang telah berfungsi sepenuhnya.

Blockchain technology has been proposed as a promising solution for improving the performance of Industrial Internet of Things (IIoT) systems. However, it relies on static configuration parameters that limit its ability to adapt to dynamic workload conditions. This research proposes a Deep Q-Network (DQN)-based adaptive optimization framework that dynamically adjusts blockchain configuration parameters in response to the observed system metrics in an IIoT environment. The framework models the optimization problem as a Markov Decision Process, where the DQN agent selects combinations of block size, block interval, and batching behavior to maximize throughput while minimizing transaction confirmation latency and CPU usage. An adaptive weighted scalarization reward function is designed to dynamically adjust the priority of each objective based on current system conditions, which addresses the limitation of fixed-weight reward functions used in prior work. The framework is implemented and evaluated on an Ethereum-based blockchain environment using Hardhat Network across three workload scenarios: low, normal, and high, and compared against a static baseline configuration. An ablation study is also conducted to assess the individual contributions of adaptive weighting and CPU-awareness. The results demonstrate that the adaptive approach consistently reduces CPU usage relative to the static baseline across all workload scenarios, achieving reductions of up to 18.2% under low workload. Throughput and latency did not improve within the current training duration, attributed to the 500-episode budget being insufficient for the agent to learn effective block size and batch behavior policies across the fully operative 40-action space. The ablation study shows that the no-CPU configuration consistently outperforms the full adaptive configuration in throughput and latency, suggesting that the CPU penalty term redirects the agent away from throughput-focused configurations. These findings demonstrate that the framework effectively manages computational resource consumption, while highlighting the need for a longer training duration to optimize throughput and latency across the fully operative action space. 

Kata Kunci : blockchain, Industrial Internet of Things, deep reinforcement learning, Deep Q-Network, adaptive optimization, multi-objective optimization