موازنة أداء شبكات انترنت الاشياء المعتمدة على بروتوكول LEACH باستخدام التعلم المعزز

الملخص

تمثل محدودية الطاقة وموثوقية التسليم تحدّيين رئيسيين في الحساسات اللاسلكية ضمن شبكات انترنت الاشياء، مما يجعل من التوجيه وإدارة استهلاك الطاقة عاملين حاسمين لضمان استمرار وكفاءة عمل الشبكة. ويعتبر بروتوكول LEACH من أبرز بروتوكولات التجميع الهرمي بفضل قدرته على تجنب استنزاف طاقة العقد من خلال الاختيار الدوري لرؤوس التجمعات (CHs) (Cluster Heads)، إلا أن أداءه ما يزال يتأثر بعشوائية اختيار هذه الرؤوس، وارتفاع كلفة إعادة التجميع عند تنفيذها دورياً. لذا ظهرت العديد من التطويرات على البروتوكول ومن أبرزها بروتوكول LEACH-RLC، الذي جمع بين تحسين تشكيل التجمعات بما فيه اختيار رؤوس التجمعات والعقد المرتبطة بها باستخدام البرمجة الخطية الصحيحة المختلطة (MILP) وبين اتخاذ قرار إعادة التجميع بشكل تكيفي باستخدام التعلم المعزز. لكن يفترض هذا البروتوكول وجود بيئة اتصال مثالية ومعدل تسليم كامل، لذا يعمل هذا البحث على تحسين بروتوكول  LEACH-RLCبهدف الحفاظ على أدائه والموازنة بين إدارة الطاقة وموثوقية التسليم في ظل ظروف شبكة غير مثالية، وذلك من خلال تحسين دالة المكافأة وتوسيع متجه حالة الشبكة لدى وكيل التعلم المعزز (DQN) بإضافة ثماني ميزات جديدة تعبّر عن جودة الاتصال. وأظهرت نتائج الدراسة أن ظروف الاتصال غير المستقرة أدت إلى تدهور واضح في مؤشرات عمر الشبكة ومعدل التسليم عند تشغيل البروتوكول الأصلي، في حين أظهرت النسخة المحسنة المقترحة زيادة في عمر الشبكة ومعدل التسليم وانخفاض في عدد الحزم المفقودة، بالمقابل كان هنالك كلفة تشغيلية تمثلت بزيادة طفيفة في استهلاك الطاقة ناجمة عن الزيادة في عدد حزم التحكم المرتبطة بقرارات إعادة التجميع عند تراجع جودة الاتصال.