بهبود مسیریابی نودها با سیستم دسته بند یادگیر در اینترنت اشیا

اینترنت اشیا به عنوان یکی از اساسی ترین ابزارهای ارتباطی بین اشیا در جهان شناخته می شود و تعداد اشیا مجهز به این تکنولوژی در حال افزایش است. عدم انجام مدیریت بهینه نودها و نداشتن درک صحیح از اهمیت آن ها می تواند به کندی سرعت ارتباطات را کاهش دهد. به منظور بهبود زمان پاسخ، تشخیص دسته ای نودها امری اساسی است. در این راستا استفاده از تکنیک های دسته بندی می تواند به طور موثری در بهبود مسیریابی نودها کمک کند. اهمیت یادگیری در زندگی انسان ها و پیاده سازی راه کارهای مناسب از طریق دانش و تجربه نقش کلیدی در فرآیند یادگیری تشخیص نودها ایفا می کند. در حوزه هوش مصنوعی چندین رویکرد یادگیری از جمله یادگیری تقویتی، الگوریتم ژنتیک و سیستم دسته بند یادگیر وجود دارد. مقاله حاضر به استفاده از سیستم دسته بند یادگیر بر مبنای سبک میشیگان با توجه به داده های شبکه و انتخاب ویژگی ها می پردازد. ارائه نتایج مثبتی در بهبود تعادل بار شبکه نشان دهنده بهبود عملکرد مدیریت بهینه نودها است.