Routage assisté par apprentissage par renforcement dans les réseaux tactiques de capteurs sans fil

Un réseau de capteurs sans fil (WSN) est constitué d’un grand nombre de nœuds de capteurs dont la durée de vie des batteries est limitée et qui sont dispersés géographiquement pour surveiller des événements et recueillir des informations dans une zone géographique. D’autre part, les WSN tactiques sont des WSN critiques qui sont utilisés pour soutenir les opérations militaires, telles que la détection des intrusions, la surveillance du champ de bataille et le suivi des combats. Ces réseaux sont essentiels à la collecte de données situationnelles sur le champ de bataille pour une prise de décision rapide. En raison de leur domaine d’application, les WSN tactiques sont confrontés à des défis uniques, que l’on ne retrouve pas dans les WSN commerciaux, comme le fait d’être la cible d’attaques adverses. Ces défis font de l’acheminement des paquets dans les WSN tactiques une tâche ardue. Dans cet article, nous proposons un schéma de routage multi-agents basé sur l’apprentissage Q pour un WSN tactique composé de capteurs statiques et d’un puits mobile. En utilisant le schéma de routage proposé, un agent d’apprentissage (c’est-à-dire un nœud de réseau) ajuste sa politique de routage en fonction des estimations des valeurs Q des itinéraires disponibles via ses voisins. Les valeurs Q reflètent la rapidité, la fiabilité et l’efficacité énergétique des itinéraires en fonction du nombre de sauts jusqu’au puits, du délai d’un saut, du coût énergétique de la transmission et du taux de perte de paquets des voisins. Les résultats de la simulation démontrent que, par rapport à un schéma de base de sélection aléatoire des sauts, le schéma proposé réduit le taux de perte de paquets et le délai moyen de saut, et améliore l’efficacité énergétique en présence d’attaques de brouillage.

https://link.springer.com/chapter/10.1007/978-3-031-29419-8_16