強化学習とメタヒューリスティックベースのエネルギー効率の高いシステムの利用により,無線センサーネットワークの機能を向上させる

科学分野:

• コンピュータ科学
• 電気工学
• ネットワークエンジニアリング

背景:

• ワイヤレスセンサーネットワーク (WSN) は,エネルギー制限により効率的なルーティングとデータ伝送で課題に直面しています.
• 低エネルギー適応クラスタリングヒエラルキー (LEACH) のような既存のクラスタリングメカニズムは,エネルギー消費とデータ配信の最適化に限界があります.

研究 の 目的:

• WSNのための新しい,エネルギー効率の高い,インテリジェントなクラスタリングメカニズムを提案する.
• クラスターヘッドの選択とルーティングを最適化することで,ネットワークの寿命とデータ伝送量を向上させる.

主な方法:

• センサーの距離,分散,エネルギーバランスを考慮して,エネルギー認識クラスタリングのためのハリス・ホークス最適化 (HHO) を利用した.
• クラスターヘッドの選択のための強化学習 (RL) ベースのテクニックを開発し,フージーロジックシステムと統合しました.
• 最大エネルギーと最小のインターノード距離に基づいてクラスターヘッドの選択のための曖昧なルールを確立するために,Wild Horse Optimization (WHO) を採用しました.

主要な成果:

• 提案されたメカニズムは,LEACHと比較して,ネットワークの寿命を29%増加させました.
• 基地局に送信されるデータの量は46%増加しました.
• 複数のネットワークでのシミュレーションにより,提案されたアプローチの有効性と堅実性が確認されました.

結論:

• 新しいクラスタリングメカニズムは,長寿命とデータスループットの観点からWSNのパフォーマンスを大幅に改善します.
• HHO,RL,フージーロジック,WHOの統合は,WSNのインテリジェントな管理のための強力な戦略を提供します.
• このアプローチは,ワイヤレスセンサーネットワークの効率を高めるための実行可能な解決策を提供します.