تجمیع داده های مبتنی بر Q Learning پروتکل مسیریابی کارآمد انرژی برای شبکه های حسگر بیسیم

مصرف انرژی پروتکل مسیریابی می تواند طول عمر یک شبکه حسگر بی سیم (WSN) را تحت تاثیر قرار دهد ز یرا گره های حسگر کوچک معمولا پس از استقرار مجددا به سختی شارژ می شوند. به طور کلی، برای صرفه جویی در انرژی، از تجمیع داده ها برا ی به حداقل رساندن و/یا حذف افزونگی داده ها در هر گره و کاهش مقدار داده های کلی ارسال شده در یک WSN استفاده می شود. علاوه بر این، مس یریابی کارآمد انرژی به طور گسترده ای برای تعیین مسیر بهینه از منبع به مقصد استفاده می شود، در حالی که از گره های کوتاه انرژی اجتناب می شود، تا در انرژی برای رله داده های حس شده صرفه جویی شود. در بیشتر رویکردهای مرسوم، تجمیع داده ها و انتخاب مسیر مسیریابی به طور جداگانه در نظر گرفته می شوند. در این مطالعه، درجات تجمع دادههای احتمالی گرههای همسایه را زمانی که یک گره نیاز به تعیین مسیر مسیریابی دارد، در نظر میگیریم. ما یک الگوریتم مسیریابی کارآمد انرژی مبتنی بر یادگیری Q جد ید را پیشنهاد میکنیم. الگوریتم پی شنهادی از یادگیری تقویتی برای به حداکثر رساندن پاداش ها استفاده میکند، که از نظر کارایی انباشت داده های وابسته به نوع حسگر، انرژی ارتباطی و انرژ ی باقی مانده گره، در هر گره حسگر برای به دست آوردن یک مسیر بهینه تعریف شدهاند. ما از پاداش های تجمع وابسته به سنسور استفاده کردیم. در نهایت، شبیه سازی هایی را برای ارزیابی عملکرد روش مسیریابی پیشنهادی انجام دادیم و آن را با الگوریتم های مسیریابی آگاه از انرژی معمولی مقا یسه کردیم. نتایج ما نشان میدهد که پروتکل پیشنهادی م یتواند با موفقیت مقدار داده را کاهش دهد و طول عمر WSN را افزایش دهد.