تحسين الشحن التعاوني لشبكات أجهزة الاستشعار اللاسلكية القابلة لإعادة الشحن عبر شواحن متحركة غير متجانسة

جدول المحتويات

• 1. المقدمة
• 2. المنهجية
  • 2.1 بنية الشواحن غير المتجانسة
  • 2.2 صياغة المشكلة
  • 2.3 خوارزمية IHATRPO
• 3. التنفيذ التقني
  • 3.1 الإطار الرياضي
  • 3.2 تفاصيل الخوارزمية
• 4. النتائج التجريبية
  • 4.1 مقاييس الأداء
  • 4.2 التحليل المقارن
• 5. تنفيذ الكود
• 6. التطبيقات المستقبلية
• 7. المراجع

1. المقدمة

تمثل شبكات أجهزة الاستشعار اللاسلكية القابلة لإعادة الشحن (WRSNs) نموذجًا تحويليًا يدمج تقنية نقل الطاقة اللاسلكية (WPT) مع قدرات الاستشعار التقليدية، مما يمكن نظريًا من تحقيق عمر تشغيلي غير محدود لتطبيقات إنترنت الأشياء. تواجه شبكات الاستشعار اللاسلكية التقليدية قيودًا طاقية مستمرة تحد بشدة من عمر الشبكة والاستدامة التشغيلية.

2. المنهجية

2.1 بنية الشواحن غير المتجانسة

تجمع البنية المقترحة بين المركبات الجوية الآلية (AAVs) والمركبات الأرضية الذكية (SVs) لاستغلال مزاياها التكميلية في سيناريوهات التضاريس المعقدة. توفر المركبات الجوية الآلية حركية فائقة ونشرًا سريعًا، بينما تقدم المركبات الأرضية الذكية قدرة تحمل ممتدة وسعة طاقة أعلى.

2.2 صياغة المشكلة

تتناول مشكلة التحسين متعددة الأهداف:

• التوازن الديناميكي لمزايا الشواحن غير المتجانسة
• مقايضات كفاءة الشحن مقابل استهلاك طاقة الحركة
• التنسيق التكيفي في الوقت الحقيقي تحت ظروف الشبكة المتغيرة مع الزمن

2.3 خوارزمية IHATRPO

تدمج خوارزمية تحسين سياسة منطقة الثقة للوكيل غير المتجانس المحسنة (IHATRPO) آليات الانتباه الذاتي لمعالجة حالات البيئة المعقدة وتستخدم استراتيجية أخذ العينات بيتا لحساب التدرج غير المتحيز في فضاءات العمل المستمرة.

3. التنفيذ التقني

3.1 الإطار الرياضي

تمت صياغة مشكلة التحسين على أنها تعظيم دالة منفعة الشبكة:

$U = \sum_{i=1}^{N} \log(1 + E_i^{charged}) - \lambda \sum_{j=1}^{M} C_j^{mobility}$

حيث يمثل $E_i^{charged}$ الطاقة المسلمة لعقدة الاستشعار i، ويمثل $C_j^{mobility}$ تكلفة حركة الشاحن j، و$\lambda$ هي معلمة المقايضة.

3.2 تفاصيل الخوارزمية

تمتد خوارزمية IHATRPO لإطار تحسين سياسة منطقة الثقة مع:

• آليات الانتباه الذاتي لمعالجة تمثيلات الحالة المعقدة
• أخذ العينات من توزيع بيتا لفضاءات العمل المستمرة
• تنسيق الوكيل غير المتجانس من خلال التدريب المركزي مع التنفيذ اللامركزي

4. النتائج التجريبية

4.1 مقاييس الأداء

4.2 التحليل المقارن

تتفوق خوارزمية IHATRPO المقترحة بشكل ملحوظ على خوارزميات الأساس المتطورة بما في ذلك DQN وPPO وHATRPO الأصلي عبر مقاييس متعددة تشمل كفاءة الشحن واستهلاك الطاقة وتغطية الشبكة.

5. تنفيذ الكود

الكود الزائف لخوارزمية IHATRPO:

تهيئة معلمات السياسة θ، معلمات دالة القيمة φ
for iteration=1,2,... do
    جمع مجموعة المسار D باستخدام السياسة π_θ
    حساب تقديرات الميزة Â_t باستخدام GAE
    تحديث السياسة بتعظيم الهدف:
        L(θ) = E[min(r_t(θ)Â_t, clip(r_t(θ), 1-ε, 1+ε)Â_t)]
    تحديث دالة القيمة بالانحدار على V_φ
    تحديث أوزان الانتباه الذاتي لمعالجة الحالة
end for

6. التطبيقات المستقبلية

تتمتع بنية الشحن غير المتجانسة المقترحة بتطبيقات واعدة في:

• مراقبة بنية المدينة الذكية
• أنظمة إنترنت الأشياء الصناعية والأتمتة
• المراقبة البيئية في المناطق النائية
• استجابة الكوارث وشبكات الطوارئ
• أتمتة الزراعة والزراعة الدقيقة

7. المراجع

1. J. Yao et al., "Collaborative Charging Optimization for WRSNs via Heterogeneous Mobile Chargers," IEEE Transactions.
2. D. Niyato, "Wireless Charging Technologies: Principles and Applications," IEEE Communications Surveys & Tutorials, 2022.
3. J. Schulman et al., "Trust Region Policy Optimization," ICML 2015.
4. A. Vaswani et al., "Attention Is All You Need," NeurIPS 2017.
5. L. Xie et al., "Wireless Power Transfer and Energy Harvesting: Current Status and Future Directions," Proceedings of the IEEE, 2023.

التحليل الخبير