무선 센서 네트워크에서 피어 투 피어(P2P) 통신을 위한 딥 강화 학습 기반 에너지 소비 최적화

무선 센서 네트워크(WSN)에서 센서의 빠른 발전은 낮은 에너지 소비 요구 사항이라는 큰 도전을 가져오며, 피어 투 피어(P2P) 통신은 이 병목 현상을 극복하는 중요한 방법이 된다. 그러나 스펙트럼을 공유하는 서로 다른 센서들에 의해 발생하는 간섭과 전력 제한은 WSN의 개선을 심각하게 제약한다. 따라서 본 논문에서는 WSN에서 P2P 통신을 위한 딥 강화 학습 기반 에너지 소비 최적화를 제안한다. 구체적으로, P2P 센서(퍼키뮤니케이터)는 승인된 센서(오서 재스너)의 스펙트럼을 공유하는 에이전트로 간주된다. 승인된 센서는 특정 데이터나 시스템에 접근할 수 있는 권한을 가지며, P2P 센서는 중앙 서버 없이 다른 센서와 직접 통신한다. 하나는 권한을 포함하고, 다른 하나는 센서 간의 직접적인 통신이다. 각 에이전트는 전력을 제어하고 간섭을 피하기 위해 자원을 선택할 수 있다. 또한, 우리는 에이전트가 간섭의 더 세부적인 특징을 학습하는 데 도움을 주기 위해 더블 딥 Q 네트워크(DDQN) 알고리즘을 사용한다. 시뮬레이션 결과는 제안된 알고리즘이 딥 Q 네트워크 방식과 전통적인 알고리즘보다 더 높은 성능을 얻을 수 있으며, WSN에서 P2P 통신의 에너지 소비를 효과적으로 낮출 수 있음을 보여준다.