مسیریابی چندپخشی در شبکه های حسگر بی سیم مقیاس وسیع با استفاده از چارچوب یادگیری تقویتی توزیع شده

یکی از چالش های مطرح در شبکه های حسگر بی سیم، مساله ی پیدا کردن مسیر مناسب برای ارسال همزمان بسته ی داده به چندین مقصد مختلف یا مسیریابی چندپخشی است به طوریکه مصرف انرژی در کل شبکه توزیع شود و بسته های داده با قابلیت اطمینان بالایی به مقصدهای مورد نظر مسیریابی شوند. با توجه به مزیت های فراوان استفاده از الگوریتم های یادگیری تقویتی، در این مقاله یک روش توزیع شده، انعطاف پذیر و مستقل از توپولوژی شبکه با استفاده از الگوریتم یادگیریQ برای مسیریابی چندپخشی ارائه شده است. در این الگوریتم هر گره حسگر مجهز به یک الگوریتم یادگیر است که بر اساس اطلاعات محلی تصمیمات مسیریابی خود را اتخاذ می-نماید و بسته ها را به مجموعه ای از سینک های آدرس چندپخشی ارسال می کند. الگوریتم یادگیر تلاش می کند که مسیرها با قابلیت اطمینان بالا، انرژی بیشتر و تراکم گره های بالاتر را برای مسیریابی انتخاب نماید. این الگوریتم در شبکه هایی وسیع که گره های حسگر اطلاعات کمی از یکدیگر دارد قابل استفاده است. شبیه سازی های انجام شده، روش پیشنهادی را از لحاظ درصد موفقیت مسیریابی بسته های داده، طول عمر شبکه و میزان مصرف حافظه را در دو حالت تراکم گره های بالا و افزایش تعداد سینکها مورد ارزیابی قرار داده است. نتایج به دست آمده کارآمدی روش پیشنهادی، به ویژه در شبکه هایی با تراکم بالا و درجه چندپخشی بالا را نشان می دهد.