کنترل توام فشرده سازی و ارسال داده ها در تجهیزات اینترنت اشیاء با انرژی تجدیدپذیر

یکی از مهم ترین چالش های توسعۀ اینترنت اشیاء، محدودیت انرژی تجهیزات است. در راستای کاهش مصرف انرژی، در این مقاله، ما مسئله کنترل توام نرخ فشرده سازی (با اتلاف) و تعداد بسته های ارسالی در واحد زمان را برای یک گره اینترنت اشیاء مجهز به منبع انرژی تجدیدپذیر مطرح می کنیم. نوآوری راهکار پیشنهادی در توجه هم زمان به دو هدف بهینه سازی یعنی: «سطح تطابق» داده های دریافتی با داده های اصلی و نیز رعایت قید تاخیر ارسال داده هاست. برای این منظور، با استفاده از چارچوب ریاضی فرآیند تصمیم مارکُفی مقیّد، مسئله را در قالب یک بهینه سازی تصادفی طرح می کنیم با هدف بیشینه کردن متوسط «سطح تطابق» داده ها در بلندمدت، ضمن ایجاد محدودیت در متوسط تاخیرِ گزارش رویدادهای حسگری. نامقیّدسازی مسئله با روش استاندارد «لاگرانژین» انجام می شود. الگوریتم پیشنهادی ما برای محاسبۀ سیاست بهینۀ تطبیق پذیر نیز بر مبنای دو تکنیک یادگیری تقویتی سریع به نام pds و ve است که می تواند با جداسازی پویایی سیستم به دو بخش قطعی و تصادفی، صرفاً با اتخاذ تصمیمات حریصانه و بدون نیاز به دانش آماری فرآیندهای تصادفیِ کانالِ بی سیم، شارژ انرژی و وقوع رویدادهای حسگری، همگرایی به سیاست بهینه را تضمین نماید. کارایی سیاست های پیشنهادی با الگوریتم استاندارد qlearning مورد مقایسه قرار گرفته و به لحاظ مصرف انرژی، میزان هدررفت بسته های داده و هم چنین «سطح تطابق» داده های گزارش شده ارزیابی می شوند. نتایج نشان می دهند که سطح تطابق داده های گزارش شده در روش ve  نسبت به روش استاندارد q-learning به میزان 63.741 درصد و روش pds نسبت به روش استاندارد q-learning میزان 61.845 درصد بهبود یافته است.