بهبود مصرف انرژي مسيريابي در شبكه مبتني بر توپولوژي دايناميك بوسيله تنظيم و بهينه سازي هايپرپارامترهاي الگوريتم‌هاي يادگيري عميق با استفاده از هوش مصنوعي

Improving the energy consumption of routing in a network based on dynamic topology by adjusting and optimizing the hyperparameters of deep learning algorithms using artificial intelligence

در سال‌هاي اخير، پيش‌بيني مصرف انرژي ساختمان به‌عنوان يك رويكرد ضروري براي كنترل مصرف انرژي و كاهش انتشار كربن دي اكسيد مورد توجه جوامع علمي قرار گرفته است. بخش ساختمان يكي از مصرف كنندگان اصلي انرژي در جهان است كه بر اساس مطالعات آماري درصد بالايي از كل مصرف انرژي جهان را تشكيل مي دهد به طور مثال در تحقيقات اخير بيان شد كه بخش ساختمان 36 درصد از كل مصرف انرژي جهاني و 40 درصد از انتشار دي اكسيد كربن مرتبط را تشكيل مي دهد. بنابراين، پيش‌بيني مصرف انرژي ساختمان براي كاربردهاي مختلف مديريت انرژي ساختمان (به عنوان مثال، مديريت سمت تقاضا و ارتقاي اقدامات بهره‌وري انرژي)، و اجراي استراتژي‌هاي كنترل هوشمند نقش كليدي دارد. پروتكل‌هاي مسيريابي كارآمد انرژي متعددي براي شبكه‌هاي بي‌سيم ارائه شده است. تمامي اين پروتكل‌ها سعي در انتخاب مسيري با انرژي بيشتر را دارند. وجود يك پروتكل مسيريابي كارآمد انرژي مي‌تواند طول عمر را افزايش دهد. ‌ناحيه‌بندي يكي از موارد مهم در شبكه‌هاي بي‌سيم بكار رفته در رباتها است. ناحيه‌بندي در انتخاب يك مسير كارآمد مي‌تواند بسيار مناسب باشد. در اين مقاله، با در نظر گرفتن ناحيه‌بندي در گره‌هاي شبكه حسگر بي‌سيم، به ارائه يك پروتكل مسيريابي نوين جهت بهبود مصرف انرژي چند زنجيره براي شبكه‌هاي حسگر بي‌سيم بكار رفته در رباتهاي كاوشگر با استفاده از سينك متحرك پرداخته مي‌شود. نتايج پياده‌سازي نشان مي‌دهد كه الگوريتم پيشنهادي داراي قابليت اطمينان مناسب و كارايي بالايي بوده و مي‌تواند اهداف مربوط به بهبود مصرف انرژي را در شبكه‌هاي حسگر‌ رباتها به خوبي برآورده كند.