مديريت منابع انرژي كارآمد براي اينترنت اشيا شناختي بر اساس آتوماتاي يادگير

حركت نودها و محدوديت انرژي آنها در شبكه‏هاي اينترنت اشيا شناختي منجر به پيچيده شدن شرايط شبكه مي‏شود، به‏طوري كه داشتن يك مكانيزم بهره‏وري انرژي كارآمد امري مهم در اين شبكه‏ها محسوب مي‏شود و مي‏تواند انرژي مصرفي در شبكه را كاهش دهد،عناصر شبكه ( شامل نودها، سياست‏ها و رفتارها ) به دليل محدود بودن در وضعيت، دامنه و مكانيزم‏هاي پاسخ، قادر به ايجاد سازگاري هوشمند با محيطي كه در آن عمل مي‏كنند، نيستند و سازگاري در اين شبكه‏ها معمولا به صورت انفعالي است. به همين دليل از الگوريتم‏هاي بهره‏وري انرژي انتظار مي‏رود كه بتوانند خودشان را با تغييرات محيط از طريق يك راهكار پيشگيرانه سازگار كنند. از طرفي فرماندهي انتظامي جمهوري اسلامي ايران(فراجا)به جهت فعاليت در عرصه نظم و امنيت با حجم بسيار گسترده‏اي از اطلاعات در حوزه‏هاي گوناگون اجتماعي، امنيتي، اقتصادي و فرهنگي در ارتباط است، به همين دليل براي رسيدن به اهداف مذكور، اين مقاله يك راهكار‏ جديدي RMLAB را براي بهره‏وري انرژي مبتني بر آتوماتاي يادگير از ديدگاه شبكه‏هاي شناختي ارائه كرده است، كه با استفاده از آتوماتاي يادگير توان ارسال نودهاي شبكه براي مديريت مصرف انرژي به‏صورت خودسازمان‏ده،خودآگاه و پوياتنظيم مي‏شود و از عمده نقاط قوت اين روش نسبت به روش‏هاي موجود اين است كه شبكه قادر به سازمان‏دهي، مديريت و بازسازي خودش است. نتايج آزمايشات نشان مي‏دهد كه بررسي بهره‏وري انرژي از ديدگاه شبكه شناختي منجر به بهبود پارامترهاي كيفيت سرويس از جمله توان عملياتي و تاخير انتها به انتها در شبكه نسبت به ديگر روش‏هاي بهره‏وري انرژي شده است.