Wang, Bin：SQMCR：基于Stackelberg Q-learning的水下无线传感器网络多跳协同路由算法
论论资讯 ｜ 2024-04-29 ｜
31热度
IEEE Access
Explore content
About the journal
Publish with us
SQMCR: Stackelberg Q-learning based Multi-hop Cooperative Routing Algorithm for Underwater Wireless Sensor Networks
Bin W.; Kerong B.; Yixue H.; Mingjiu Z.
Published：2024-01-01
DOI：10.1109/access.2024.3391386
研究背景
在当今社会，随着科技的发展，人们对于海底监测应用的需求日益增长。然而，海底无线传感器网络（UWSNs）在实现可靠和高效的数据传输方面面临诸多挑战。传输通道具有高比特错误率、强多径效应和多种干扰因素，而网络节点则存在高能耗、难以供能和节点位置易变等特点。这些问题使得UWSNs难以实现可靠和高效的数据转发。
研究内容
最近，一项名为《SQMCR: Stackelberg Q-learning based Multi-hop Cooperative Routing Algorithm for Underwater Wireless Sensor Networks》的论文在IEEE Access上发表。该研究提出了一种基于Stackelberg Q-learning的多跳协作路由算法（SQMCR）。SQMCR利用Q-learning算法构建传输路由，考虑了延迟、剩余能量和网络拓扑等因素，提高了选择下一跳节点的合理性和适应性。通过基于Stackelberg Q-learning算法平衡数据转发效益和能耗成本，SQMCR建立了协作通信策略，确保了海底通信的可靠性和效率。同时，它采用了初始化Q值和动态探索概率优化方法，进一步提升了路由算法的性能。实验结果表明，SQMCR能够帮助UWSNs提高数据转发的可靠性，并延长网络寿命17%。它具有更好的环境和应用适应性，更适合海底高可靠性应用。
研究意义
这项研究的创新之处在于提出了SQMCR算法，为UWSNs的可靠和高效数据传输提供了新的解决方案。通过优化路由算法，提高了数据转发的可靠性和网络寿命。这对于海底监测应用和其他高可靠性应用具有重要意义，有望推动海底通信技术的发展。
希望这篇文章能够帮助你更好地了解这一研究领域的最新进展！
学术热榜
查看全部
相关资讯
换一批