Seleção de Cabeça de Cluster Baseada em Teoria dos Jogos e Aprendizado por Reforço para Rede de Sensores Sem Fio Eficiente em Energia

A energia em Redes de Sensores Sem Fio (WSNs) é crítica para a durabilidade da rede e entrega de dados. No entanto, o principal impedimento à durabilidade e confiabilidade desses nós sensores é a sua curta vida útil da bateria. Atualmente, algoritmos de economia de energia, como algoritmos de clustering e roteamento, melhoraram a eficiência energética em protocolos padrão. Este artigo propõe uma abordagem de roteamento baseada em clustering para criar um mecanismo adaptativo e eficiente em energia. Nosso sistema emprega uma estratégia de clustering em múltiplas etapas para selecionar cabeças de cluster (CH) dinâmicas com distribuição de energia otimizada. Usamos Teoria dos Jogos (GT) e Aprendizado por Reforço (RL) para otimizar a utilização de recursos. Modelar a rede como um problema de RL multiagente usando princípios de GT permite o auto-cluster enquanto otimiza a vida útil do sensor e o equilíbrio energético. O algoritmo de localização de CH impulsionado por IA proposto melhora a eficiência da rede ao prevenir a depleção precoce de energia em nós específicos, ao mesmo tempo garantindo um uso uniforme de energia em toda a rede. Nossa solução permite um consumo controlado de energia, resultando em uma vida útil da rede determinística. Essa previsibilidade reduz os custos de manutenção ao diminuir a necessidade de substituição de nós. Além disso, nosso método proposto evita que nós sensores se desconectem da rede ao designar o sensor com a carga mais alta como intermediário e utilizar roteamento de salto único. Essa abordagem melhora a eficiência energética e a estabilidade das implantações da Rede de Sensores Sem Fio (WSN).