Optimización de Algoritmos de Enrutamiento en Redes de Sensores Inalámbricos: Un Enfoque Basado en Aprendizaje Profundo

Abstract

En este artículo, presentamos un enfoque novedoso para mejorar el rendimiento de los algoritmos de enrutamiento en redes de sensores inalámbricos (WSN) utilizando técnicas de aprendizaje profundo. Las WSN son ampliamente utilizadas en una variedad de aplicaciones, desde monitoreo ambiental hasta sistemas de salud inteligentes, pero enfrentan desafíos significativos en términos de eficiencia energética y capacidad de carga de datos. Nuestra propuesta combina la capacidad de adaptación de los algoritmos de enrutamiento con la potencia de los modelos de aprendizaje profundo para optimizar la selección de rutas en tiempo real. Presentamos un marco de trabajo integral que integra redes neuronales convolucionales y recurrentes para aprender patrones complejos en los datos de la red y tomar decisiones de enrutamiento óptimas. Evaluamos nuestro enfoque mediante experimentos en un entorno simulado y demostramos mejoras significativas en términos de vida útil de la red, latencia de transmisión y eficiencia energética en comparación con los enfoques tradicionales. Nuestro trabajo ofrece nuevas perspectivas sobre cómo abordar los desafíos de enrutamiento en WSN y establece una base sólida para futuras investigaciones en este campo emergente.