NLFFT：一种利用人工智能提高无线传感器网络性能的新型容错模型

无线传感器网络（WSN）是由称为传感器节点的小型设备组成的集合，这些设备也称为微点。由于高能耗、硬件、链路或节点故障的可能性以及一些恶意攻击，传感器网络被视为易出错的网络。因此，无线传感器网络（WSN）中的容错（FT）是一个突出的问题。本文提出了一种新的故障容错方法，称为节点链路故障容错模型（NLFFT模型），用于处理在数据从传感器传输到汇聚点或基站期间由于链路或节点故障而发生的故障。NLFFT模型包含了一种改进的二次最小生成树（Imp-QMST）方法。该方法有助于在链路由于各种情况失败时找到替代链路，同时提供一种改进的切换（Imp-Handoff）算法，以支持节点故障的容错。改进的QMST提出了一种新机制，用于在生成树中找到替代边以替代断裂或失败的边，从而提高WSN中的容错能力。Imp-Handoff提出了一种新方法，能在由于电池电量不足而导致的故障节点中找到故障节点，并通过适当的邻居替换有缺陷的节点，以转移WSN中故障节点执行的任务。仿真结果清楚地表明，与基本技术（即Q-MST和切换算法）相比，所提出的NLFFT模型使WSN的性能提高了约7%。结果证明，Imp-QMST的吞吐量提高了约6%，端到端延迟减少了5%，功耗降低了6%，相比之下，QMST算法。类似地，Imp-Handoff的吞吐量提高了约4%，端到端延迟减少了6%，功耗降低了7%。