یک رویکرد مبتنی بر یادگیری تقویتی جهت بهبود مصرف انرژی در شبکه‌های حسگر بی‌سیم به کمک عامل متحرک

محدودیت انرژی و مدیریت مصرف آن یکی از چالش‌‌های اساسی در شبکه‌‌های حسگر بی‌‌سیم محسوب می‌‌شود. در این شبکه‌ها، گره‌های نزدیک به ایستگاه پایه معمولاً انرژی بیشتری مصرف کرده و زودتر از کار می‌افتند؛ در نتیجه، کارآیی و طول عمر شبکه به شدت کاهش می‌یابد. یکی از راه‌‌های غلبه بر این مشکل، استفاده از عامل متحرک است که می‌‌تواند داده‌‌ها را از گره‌‌های شبکه جمع‌آوری کرده و حتی آنها را شارژ کند. این پژوهش، یک رویکرد مبتنی بر یادگیری تقویتی برای بهبود عملکرد عامل متحرک ارائه می‌‌دهد. در رویکرد پیشنهادی، عامل متحرک به صورت هوشمندانه تصمیم می‌گیرد که هنگام رسیدن به یک گره جدید، آیا آن گره را شارژ کند یا داده‌های آن را جمع‌آوری نماید. علاوه بر این، عامل متحرک پس از اتمام عملیات، مقصد بعدی خود را نیز مبتنی بر یادگیری انتخاب می‌کند. برای این منظور، عملکرد عامل متحرک با استفاده از فرآیند تصمیم‌‌گیری مارکف مدل‌‌سازی شده، سپس یک راه‌‌حل مبتنی بر یادگیری تقویتی برای آن ارائه شده ‌‌است. نتایج شبیه‌سازی نشان می‌دهد که رویکرد پیشنهادی مصرف انرژیِ حسگرها را در کل شبکه‌‌ به صورت متوازن‌‌تری توزیع کرده و طول عمر شبکه را در مقایسه با روش‌‌های پیشین‌‌ به طور متوسط 16 درصد افزایش می‌‌دهد.