مسیریابی انرژی آگاه در شبکه های حسگر بی سیم واینترنت اشیاء به کمک یادگیری ماشین

شبکه های حسگر بی سیم (WSN) ها در طراحی اینترنت اشیاء (IoT) می تواند مورد استفاده قرار گیرند. با بکارگیری اینترنت اشیاء در شبکه های WSNها می توان عملکرد سنجش محیط، جمع آوری داده ها و ارسال آنها به ایستگاه پایه و مکان های مورد استفاده برای تجزیه و تحلیل را بهبود بخشید. درشبکه WSN ها با استفاده از اینترنت اشیا. مسیریابی هوشمند پدیده مهمی است که برای افزایش کیفیت خدمات (QoS) در شبکه ضروری است. علاوه بر این، انرژی برای برقراری ارتباط در شبکه های حسگر مبتنی بر اینترنت اشیا یک چالش مهم برای اجتناب، از دست دادن یا تاخیردربسته های عظیم است، تخلیه سریع انرژی و تقسیم نادرست آن در سراسر شبکه منجر به کاهش عملکرد گره و افزایش تاخیر در تحویل بسته می شود. از این رو، نیاز مبرم به بررسی مصرف انرژی توسط گره ها به منظور بهبود عملکرد آن وجود دارد . جهت عملکرد مسیر یابی موثر در شبکه می توان از تکنیک های یادگیری ماشین (ML)هوشمند استفاده کرد. بسیاری از روش ها مسیر یابی مرتبط با WSNها در حال حاضر درمنابع مختلف در دسترس هستند با این حال، این منابع بایستی برای مجموعه WSN در محیط IoT تقویت شوند. بنابراین، تشکیل خوشه و مسیریابی مبتنی بر قانون عصبی فازی جدید پروتکلی است برای انجام مسیریابی کارآمد در WSN های مبتنی بر اینترنت اشیا. در آینده ،اینترنت اشیاء در زندگی روزمره ما به طور فزاینده ای ملموس خواهد شد. به خصوص هنگامی که هوش مصنوعی و فناوری یادگیری ماشین همچنان به طور فزاینده ای مقرون به صرفه می شوند.با این حال ، با افزایش تعداد دستگاه های هوش مصنوعی ، ما باید اطمینان حاصل کنیم که یک زیرساخت برای هماهنگی داریم. طبق گفته درو هنری ، معاون ارشد رئیس برنامه ریزی و عملیات استراتژی در Arm در مقاله اخیرش : "پیش بینی می کنیم در جهان یک تریلیون دستگاه IOT (اینترنت اشیا ) تا سال 2035 عرضه شود که چالش های زیرساختی و معماری را در مقیاس جدید ارائه میدهند ...این بدان معنی است که شرکت هایی نظیر Arm همچنان سرمایه گذاری زیادی را برای توسعه سخت افزار ، نرم افزار و ابزارها انجام خواهد داد تا بتواند در هر نقطه از زیرساخت ، تصمیم گیری هوشمندانه ای را داشته باشد.وقتی به تاریخ تکامل یادگیری ماشینی نگاه می کنیم و اینکه امروز در کجای آن قرار داریم ، به نظر می رسد که تکامل یادگیری ماشین و به خصوص یادگیری ماشین لبه (Edge ) سریع و غیرقابل توقف است پس همچنانکه پیشرفت های آینده آشکار می شود ، برای تاثیرگذاری آماده شوید و اطمینان حاصل کنید که آماده استفاده از این فناوری هستید.از آزمایش های انجام شده در این کار تحقیقاتی با استفاده از مدل پیشنهادی، ثابت شده است که الگوریتم مسیریابی پیشنهادی عملکرد بهتر شبکه را از نظر معیارها یعنی استفاده از انرژی، تحویل بسته، تاخیر و طول عمر شبکه را در بر دارد.

کلیدواژه ها:

شبکه های حسگر بیسیم ، اینترنت اشیاء ، هوش مصنوعی