بهینه‌سازی شارژ مشارکتی برای شبکه‌های حسگر بی‌سیم قابل شارژ از طریق شارژرهای متحرک ناهمگن

فهرست مطالب

• 1. مقدمه
• 2. روش‌شناسی
  • 2.1 معماری شارژر ناهمگن
  • 2.2 فرمول‌بندی مسئله
  • 2.3 الگوریتم IHATRPO
• 3. پیاده‌سازی فنی
  • 3.1 چارچوب ریاضی
  • 3.2 جزئیات الگوریتم
• 4. نتایج آزمایشی
  • 4.1 معیارهای عملکرد
  • 4.2 تحلیل مقایسه‌ای
• 5. پیاده‌سازی کد
• 6. کاربردهای آینده
• 7. مراجع

1. مقدمه

شبکه‌های حسگر بی‌سیم قابل شارژ (WRSNها) یک پارادایم تحول‌آفرین را نشان می‌دهند که فناوری انتقال توان بی‌سیم (WPT) را با قابلیت‌های حسگری متعارف تلفیق می‌کند و به‌طور نظری طول عمر عملیاتی نامحدود را برای کاربردهای اینترنت اشیاء فراهم می‌سازد. شبکه‌های حسگر بی‌سیم سنتی با محدودیت‌های انرژی پایدار مواجه هستند که به شدت طول عمر شبکه و پایداری عملیاتی را محدود می‌کنند.

2. روش‌شناسی

2.1 معماری شارژر ناهمگن

معماری پیشنهادی، وسایل نقلیه هوایی خودکار (AAVها) و وسایل نقلیه هوشمند زمینی (SVها) را ترکیب می‌کند تا از مزایای مکمل آن‌ها در سناریوهای زمین‌های پیچیده بهره‌برداری کند. AAVها تحرک برتر و استقرار سریع را فراهم می‌کنند، در حالی که SVها استقامت گسترده‌تر و ظرفیت توان بالاتری ارائه می‌دهند.

2.2 فرمول‌بندی مسئله

مسئله بهینه‌سازی چندهدفه به موارد زیر می‌پردازد:

• تعادل پویای مزایای شارژرهای ناهمگن
• مبادلات بین بازدهی شارژ در مقابل مصرف انرژی تحرک
• هماهنگی سازگار بلادرنگ تحت شرایط شبکه متغیر با زمان

2.3 الگوریتم IHATRPO

الگوریتم بهینه‌سازی سیاست منطقه اطمینان عامل ناهمگن بهبودیافته (IHATRPO)، مکانیزم‌های خودتوجهی را برای پردازش حالت‌های محیطی پیچیده یکپارچه می‌سازد و از استراتژی نمونه‌برداری بتا برای محاسبه گرادیان بی‌طرف در فضاهای عمل پیوسته استفاده می‌کند.

3. پیاده‌سازی فنی

3.1 چارچوب ریاضی

مسئله بهینه‌سازی به‌صورت بیشینه‌سازی تابع سودمندی شبکه فرمول‌بندی شده است:

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

که در آن $E_i^{charged}$ نشان‌دهنده انرژی تحویل‌داده‌شده به گره حسگر i است، $C_j^{mobility}$ نشان‌دهنده هزینه تحرک شارژر j است و $\lambda$ پارامتر مبادله است.

3.2 جزئیات الگوریتم

IHATRPO چارچوب بهینه‌سازی سیاست منطقه اطمینان را با موارد زیر گسترش می‌دهد:

• مکانیزم‌های خودتوجهی برای پردازش بازنمایی‌های حالت پیچیده
• نمونه‌برداری توزیع بتا برای فضاهای عمل پیوسته
• هماهنگی عامل ناهمگن از طریق آموزش متمرکز با اجرای غیرمتمرکز

4. نتایج آزمایشی

4.1 معیارهای عملکرد

4.2 تحلیل مقایسه‌ای

الگوریتم پیشنهادی IHATRPO به‌طور قابل‌توجهی از الگوریتم‌های پایه پیشرفته موجود از جمله DQN، PPO و HATRPO اصلی در معیارهای متعددی شامل بازدهی شارژ، مصرف انرژی و پوشش شبکه، بهتر عمل می‌کند.

5. پیاده‌سازی کد

شبه‌کد برای الگوریتم IHATRPO:

مقداردهی اولیه پارامترهای سیاست θ، پارامترهای تابع ارزش φ
برای تکرار=1,2,... انجام بده
    مجموعه مسیر D را با استفاده از سیاست π_θ جمع‌آوری کن
    تخمین‌های مزیت Â_t را با استفاده از GAE محاسبه کن
    سیاست را با بیشینه‌سازی هدف به‌روز کن:
        L(θ) = E[min(r_t(θ)Â_t, clip(r_t(θ), 1-ε, 1+ε)Â_t)]
    تابع ارزش را با رگرسیون روی V_φ به‌روز کن
    وزن‌های خودتوجهی را برای پردازش حالت به‌روز کن
پایان برای

6. کاربردهای آینده

معماری شارژ ناهمگن پیشنهادی کاربردهای امیدوارکننده‌ای در موارد زیر دارد:

• پایش زیرساخت شهر هوشمند
• سیستم‌های اینترنت اشیاء صنعتی و اتوماسیون
• پایش محیط زیست در مناطق دورافتاده
• پاسخ به فاجعه و شبکه‌های اضطراری
• اتوماسیون کشاورزی و کشاورزی دقیق

7. مراجع

1. J. Yao و همکاران، "بهینه‌سازی شارژ مشارکتی برای WRSNها از طریق شارژرهای متحرک ناهمگن،" IEEE Transactions.
2. D. Niyato، "فناوری‌های شارژ بی‌سیم: اصول و کاربردها،" IEEE Communications Surveys & Tutorials، 2022.
3. J. Schulman و همکاران، "بهینه‌سازی سیاست منطقه اطمینان،" ICML 2015.
4. A. Vaswani و همکاران، "توجه تنها چیزی است که نیاز دارید،" NeurIPS 2017.
5. L. Xie و همکاران، "انتقال توان بی‌سیم و برداشت انرژی: وضعیت فعلی و جهت‌های آینده،" Proceedings of the IEEE، 2023.

تحلیل تخصصی