Apprentissage par renforcement profond multi-agents pour le routage de paquets dans les réseaux de capteurs mobiles tactiques

Apprentissage par renforcement profond multi-agents pour le routage de paquets dans les réseaux de capteurs mobiles tactiques

A. A. Okine, N. Adam, F. Naeem et G. Kaddoum, “Multi-Agent Deep Reinforcement Learning for Packet Routing in Tactical Mobile Sensor Networks,” in IEEE Transactions on Network and Service Management, vol. 21, no. 2, pp. 2155-2169, avril 2024, doi : 10.1109/TNSM.2024.3352014

Abstract or Summary

Les réseaux de capteurs tactiques sans fil (T-WSN) sont utilisés dans le cadre d’opérations militaires de collecte de données critiques, telles que la surveillance du champ de bataille, le suivi des combats et la détection des intrusions. Ces réseaux sont confrontés à des défis uniques, tels que les attaques par brouillage, que l’on ne rencontre généralement pas dans les WSN traditionnels. Les attaques de brouillage sur les liaisons des réseaux perturbent la communication des données et rendent difficile l’acheminement des paquets dans les T-WSN. Par conséquent, le routage T-WSN vise à trouver les itinéraires les plus fiables, tout en respectant les exigences strictes en matière de délai et d’énergie. À cette fin, nous proposons une solution de routage basée sur l’apprentissage par renforcement profond multi-agent distribué (MADRL) pour les réseaux de capteurs mobiles tactiques multi-sources afin de surmonter les attaques de brouillage de la couche de liaison. Le schéma de routage que nous proposons tient compte du nombre de sauts jusqu’au puits le plus proche, du délai d’un saut, du taux de perte de paquets (PLR) du saut suivant et du coût énergétique de l’acheminement des paquets dans l’estimation de la récompense de l’action. En outre, le système proposé est plus performant que les algorithmes de référence en termes de taux de livraison de paquets (PDR), de temps de livraison de paquets et d’efficacité énergétique.

Implications of the Research

Visuals

Supplementary Materials

Acknowledgements

Citations and References

Other Publications

Retour au haut Drag