یک پروتکل مسیریابی پویا برای بهینه سازی انرژی و تاخیر در شبکه های حسگر بی سیم با استفاده از الگوریتمPLA و یادگیری تقویتی عمیق

رشد و توسعه سریع اطلاعات در شبکه های اینترنت اشیا، منجر به گسترش مقیاس شبکه های حسگر بی سیم نیز شده است. مصرف انرژی گره ها در شبکه بسیار مهم و حیاتی است، استفاده از پروتکلهای مسیریابی مبتنی بر الگوریتم های یادگیری ماشین بر بهبود مصرف انرژی گره های شبکه بسیار موثر است. همچنین مدل های هوش مصنوعی می توانند به کاهش تاخیر انتها به انتها در شبکه و افزایش طول عمر شبکه کمک کنند. به همین منظور این مقاله یک مدل خوشه بندی با استفاده از الگوریتم (PLA) و یک پروتکل مسیریابی بر اساس یادگیری تقویتی عمیق برای شبکه های حسگر بی سیم را پیشنهاد می کند. مدل پیشنهادی مبتنی بر الگوریتم (PLA) برای انتخاب سرخوشه های بهینه از نظر مرکزیت گره و انرژی باقیمانده را با هم ادغام می کند. سپس، شبکه کانولوشن گراف و یادگیری تقویتی عمیق برای ساخت مسیرهای انتقال برای سرخوشه ها، انطباق با تغییرات توپولوژی شبکه و تعادل مصرف انرژی و عملکرد در نظر گرفته می شود. شبکه های حسگر بی سیم در بسیاری از کاربردها مانند نظارت بر ترافیک، نظارت بر محیط و نظارت بر میدان جنگ مورد استفاده قرار گرفته اند که می تواند برای فرماندهی انتظامی جمهوری اسلامی ایران (فراجا) به جهت فعالیت در عرصه نظم و امنیت که با حجم بسیار گسترده ای از اطلاعات در حوزه های گوناگون اجتماعی، امنیتی، اقتصادی و فرهنگی در ارتباط است و همچنین برای نیروهای مسلح بسیار کلیدی و مهم باشد. نتایج آزمایشات نشان می دهد که رویکرد پیشنهادی از نظر مصرف انرژی، طول عمر شبکه و تاخیر انتها به انتها نسبت به روشهای موجود عملکرد بهتری دارد.

کلیدواژه ها:

شبکه های حسگر بی سیم ، پروتکل مسیریابی پویا ، الگوریتم (PLA) ، شبکه کانولوشنال گراف ، یادگیری تقویتی عمیق ، مصرف انرژی