سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

چارچوبی مبتنی بر یادگیری تقویتی و فرایندهای تصمیم‌گیری مارکوف برای خوشه‌بندی بهینه در شبکه‌های حسگر بی‌سیم

نویسندگان :

میلاد یعقوبی¹ حمید سعادت فر²

1- دانشگاه آزاد اسلامی واحد بیرجند 2- دانشگاه بیرجند

کلمات کلیدی :

شبکه‌های حسگر بی‌سیم،خوشه‌بندی،یادگیری تقویتی،شبکه Q عمیق(DQN)،فرایند تصمیم‌گیری مارکوف،مدیریت انرژی

چکیده :

شبکه‌های حسگر بی‌سیم به‌دلیل محدودیت شدید انرژی گره‌ها نیازمند روش‌های هوشمند برای مدیریت مصرف انرژی و افزایش طول عمر شبکه هستند. خوشه‌بندی به‌عنوان یکی از مؤثرترین راهکارها، نقش مهمی در کاهش ترافیک، بهینه‌سازی ارتباطات و توزیع بار میان گره‌ها ایفا می‌کند. در این پژوهش، یک چارچوب نوین مبتنی بر یادگیری شبکه Q عمیق (DQN) و فرایندهای تصمیم‌گیری مارکوف (MDP) برای انتخاب پویا و بهینه سرخوشه‌ها ارائه شده است. در مدل پیشنهادی، وضعیت شبکه شامل انرژی گره‌ها، فاصله تا ایستگاه پایه و تعداد گره‌های زنده به‌عنوان حالت‌های MDP تعریف شده و عامل یادگیرنده با استفاده از حافظه تجربیات و شبکه هدف، سیاستی بهینه برای کاهش مصرف انرژی و افزایش پایداری شبکه فرا می‌گیرد. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی عملکرد بهتری نسبت به الگوریتم‌های مرجع دارد و موجب افزایش چشمگیر در معیارهای تعداد گره های مرده، زمان اولین مرگ، زمان آخرین مرگ و نیز کاهش مصرف انرژی در کل شبکه می‌شود. این نتایج نشان می‌دهد که یادگیری تقویتی عمیق می‌تواند ابزار مؤثری برای طراحی روش‌های خوشه‌بندی سازگار، پویا و انرژی‌کارا در شبکه‌های حسگر بی‌سیم باشد.