استفاده از الگوریتم یادگیری تقویتی عمیق چندعاملی و سیگنال های رادار در مسیریابی شبکه های حسگر بی سیم با هدف کاهش تاخیر انتها به انتها و بهینه سازی مصرف انرژی

هدف اصلی: هدف اصلی این پژوهش، یافتن مسیریابی بهینه با کمترین میزان مصرف انرژی و بیشترین نرخ تحویل بسته است تا پایداری و کارایی شبکه افزایش یابد. روش شناسی: طراحی و پیاده سازی یک الگوریتم یادگیری تقویتی چندعاملی با بهره گیری از سیگنال های راداری، فرآیند مسیریابی در شبکه های حسگر بی سیم را بهینه سازی می کند. به منظور بهبود عملکرد، از مدل انتقال انرژی و سیگنال راداری برای مدیریت انتقال داده ها استفاده شده است. هر گره در این شبکه به عنوان یک عامل هوشمند عمل کرده و با دریافت اطلاعات مربوط به تاخیر و مصرف انرژی از همسایگان خود، مسیر بهینه را انتخاب می کند. پاداش هر مسیر بر اساس معیارهای مصرف انرژی و تاخیر محاسبه شده و الگوریتم با تنظیم نرخ یادگیری و نرخ تخفیف، به تدریج به یک مسیر پایدار و بهینه می رسد. نوآوری: ترکیب سیگنال های راداری با الگوریتم یادگیری چندعاملی نهفته باعث می شود که علاوه بر کاهش مصرف انرژی و افزایش نرخ تحویل بسته، تاخیر انتها به انتها را نیز به حداقل می رساند. این ترکیب جدید، شبکه های حسگر بی سیم را قادر می کند تا در شرایط چالش برانگیز با محدودیت های انرژی و نیاز به پایداری در انتقال داده ها عملکرد بهتری داشته باشند. نتیجه گیری: نتایج شبیه سازی ها نشان می دهد که الگوریتم پیشنهادی در مقایسه با روش سنتی، تاخیر کم تری داشته، مصرف انرژی را کاهش داده و نرخ تحویل بسته ها را بهبود می بخشد. این رویکرد می تواند برای کاربردهای حسگر بی سیم با محدودیت های انرژی و نیاز به پایداری بالا در انتقال داده ها مناسب باشد.

کلیدواژه ها:

الگوریتم یادگیری تقویتی عمیق چندعاملی ، رادار ، شبکه های حسگر بی سیم ، مسیریابی