EMO-PEGASIS: Un protocolo de aprendizaje automático de doble fase para la optimización del retardo energético en WSN

Área de la Ciencia:

• Ciencias de la Computación
• Ingeniería Eléctrica
• Ingeniería de Redes

Sus antecedentes:

• Las redes de sensores inalámbricos (WSN) se enfrentan a una compensación crítica entre la conservación de energía y el retardo de la transmisión de datos.
• Los protocolos existentes como PEGASIS ofrecen eficiencia energética pero sufren de alta latencia y distribución desequilibrada de la carga.
• La formación de clústeres subóptima en los protocolos WSN tradicionales limita el rendimiento general de la red.

Objetivo del estudio:

• Introducir un protocolo Enhanced Multi-Objective PEGASIS (EMO-PEGASIS) para WSN.
• Abordar las limitaciones de los protocolos existentes en la gestión del consumo de energía y el retardo de la transmisión de datos.
• Aprovechar el aprendizaje automático para optimizar el rendimiento de las WSN en términos de energía, retardo y vida útil de la red.

Principales métodos:

• Se empleó una estrategia de aprendizaje automático de doble fase para el diseño e implementación del protocolo.
• Se utilizó la agrupación K-means para la partición espacial robusta de la red.
• Se utilizó la clasificación K-Nearest Neighbours (K-NN) para el enrutamiento adaptativo e inteligente.

Principales resultados:

• EMO-PEGASIS logró una reducción del 45% en el consumo promedio de energía en comparación con PEGASIS.
• El retardo de extremo a extremo se redujo en un 38% y la vida útil de la red aumentó en un 67%.
• El protocolo demostró una estabilidad mejorada, un equilibrio de carga efectivo y una tasa de entrega de paquetes del 96,8%.

Conclusiones:

• El protocolo EMO-PEGASIS aborda eficazmente el problema de la optimización multiobjetivo en WSN.
• La integración de técnicas de aprendizaje automático mejora significativamente el rendimiento de las WSN.
• EMO-PEGASIS proporciona una optimización multiobjetivo fiable para entornos WSN con restricciones de energía y retardo.