پروتکل مسیریابی مبتنی بر بهره‌وری انرژی برای شبکه اینترنت اشیا شناختی با استفاده از یادگیری ماشین

در اینترنت اشیاء، حرکت نودها با محدودیت انرژی همراه بوده و داشتن یک مکانیزم بهره‏وری انرژی کارآمد یک ضرورت در این شبکه‏ها است. عناصر شبکه به دلیل محدودیت در وضعیت، دامنه و یا مکانیزم‏های پاسخ، نمیتوانند سازگاری هوشمندی با محیطی داشته باشند، به همین دلیل از روشهای بهره‏وری انرژی انتظار می‏رود که خودشان را با تغییرات محیط سازگار کنند. روش پیشنهادی یک مدل شناختی بر اساس آتوماتای یادگیر برای دسترسی به کانال ارتباطی به طور پویا در اینترنت اشیاست. روش پیشنهادی یک روش پیشگیرانه است که از برخورد بسته‌ها و ازدحام در شبکه جلوگیری می‌کند و همچنین اهداف نهایی شبکه از جمله توان عملیاتی را افزایش می‌دهد. علاوه بر این الگوریتم یادگیر ارائه شده مصرف انرژی در شبکه را کاهش داده و یک شبکه خود کنترلی و خودسازگار را می‌سازد. نتایج تجربی نشان می‌دهد که روش پیشنهادی نسبت به دو روش eepr و qrpl، مصرف انرژی را برای انتخاب گره‌های ارتباطی در شبکه اینترنت اشیاء به حداقل می‌رساند.

energy efficiency based routing protocol for cognitive internet of things network using machine learning

in the internet of things, the movement of nodes is associated with energy limitations, and having an efficient energy efficiency mechanism is a necessity in these networks. network elements cannot adapt intelligently to the environment due to limitations in their status, range, or response mechanisms, therefore energy efficiency methods are expected to adapt themselves to environmental changes. the proposed method is a cognitive model based on learning automata to access the communication channel dynamically in the internet of things. the proposed method is a preventive method that prevents the collision of packets and congestion in the network and also increases the final goals of the network including throughput. in addition, the presented learning algorithm reduces energy consumption in the network and creates a self-controlling and self-adaptive network. the experimental results show that the proposed method minimizes the energy consumption for selecting communication nodes in the internet of things network compared to the eepr and qrpl methods.