Resumen

Los problemas de reducir el retardo de transmisión y maximizar la vida útil de los sensores son siempre temas candentes de investigación en el ámbito de las redes inalámbricas de sensores (WSN). Excluyendo la influencia del protocolo de encaminamiento en la dirección de transmisión de los paquetes de datos, el protocolo MAC que controla el punto temporal de transmisión y recepción es también un factor importante en el rendimiento de la comunicación. Muchos trabajos existentes intentan resolver estos problemas utilizando la política de programación de franjas horarias. Sin embargo, la mayoría de ellos explotan el conocimiento global de la red para construir una programación estacionaria, lo que viola la naturaleza dinámica y escalable de las WSN. Con el fin de realizar la computación distribuida y el autoaprendizaje, proponemos integrar el aprendizaje Q en el proceso de exploración de una programación adaptativa de franjas horarias con alta eficiencia. Debido a la naturaleza convergente, la programación se aproxima rápidamente a una secuencia óptima aproximada junto con la ejecución de tramas. Mediante la realización de las simulaciones correspondientes, se puede validar la viabilidad y la alta eficiencia del método propuesto.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:alta eficiencia, política de programación de franjas horarias, programación adaptativa de franjas horarias, secuencia óptima aproximada, conocimiento global de la red, temas candentes de investigación, redes inalámbricas de sensores, wsns, aprendizaje, problemas
• Keywords:high efficiency, time slot scheduling policy, adaptive slot scheduling, approximate optimal sequence, global network knowledge, hot research topics, wireless sensor networks, wsns, learning, problems