Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/handle/123456789/15451
Title: Roteamento em Redes de Sensores Sem Fios Com Base Em Aprendizagem Por Reforço
Authors: Campos, Leonardo Rene dos Santos
Keywords: Redes de Sensores e Atuadores Sem Fi. Simulação. Aprendizado Por Reforço. Técnicas de Roteamento;Wireless Sensor and Actuator Networks. Simulation. Reinforcement Learning. Routing Techniques
Issue Date: 19-Dec-2011
Publisher: Universidade Federal do Rio Grande do Norte
Citation: CAMPOS, Leonardo Rene dos Santos. Roteamento em Redes de Sensores Sem Fios Com Base Em Aprendizagem Por Reforço. 2011. 70 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2011.
Portuguese Abstract: A utilização das redes de sensores e atuadores sem fio nas plantas das indústrias vem crescendo nos últimos anos, trazendo vários benefícios em relação aos sistemas cabeados, como flexibilidade na instalação e manutenção da rede. Tais redes consistem basicamente de um número possivelmente grande de dispositivos sensores e atuadores pequenos e autônomos que possuem capacidade de comunicação sem fio. Os dados coletados pelos sensores são enviados seja diretamente ou passando através de nós intermediários pela rede até uma estação-base conhecida como nó sink. O roteamento nesse ambiente é uma questão essencial já que está intimamente ligado à eficiência energética e consequentemente ao tempo de vida da rede. Este trabalho investiga a aplicação de uma técnica de roteamento baseado no algoritmo Q-Learning de Aprendizagem por Reforço a uma rede de sensores sem fio através de simulações no ambiente NS-2. Diversas métricas como consumo de energia, taxa de pacotes entregues com sucesso e atrasos são utilizadas para validar a proposta comparando-a com outras soluções existentes na literatura
Abstract: The use of wireless sensor and actuator networks in industry has been increasing past few years, bringing multiple benefits compared to wired systems, like network flexibility and manageability. Such networks consists of a possibly large number of small and autonomous sensor and actuator devices with wireless communication capabilities. The data collected by sensors are sent directly or through intermediary nodes along the network to a base station called sink node. The data routing in this environment is an essential matter since it is strictly bounded to the energy efficiency, thus the network lifetime. This work investigates the application of a routing technique based on Reinforcement Learning s Q-Learning algorithm to a wireless sensor network by using an NS-2 simulated environment. Several metrics like energy consumption, data packet delivery rates and delays are used to validate de proposal comparing it with another solutions existing in the literature
URI: https://repositorio.ufrn.br/jspui/handle/123456789/15451
Appears in Collections:PPGEE - Mestrado em Engenharia Elétrica e de Computação

Files in This Item:
File Description SizeFormat 
LeonardoRSC_DISSERT.pdf709,25 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.