Resumen

El creciente uso de la red de sensores de radio cognitiva industrial (ICRSN) aporta profundos cambios a la Internet de las Cosas. La ICRSN es una técnica emergente para transferir datos industriales, que tiene requisitos de comunicación estrictos y precisos en un gran número de áreas como la vigilancia medioambiental, la monitorización de edificios, el control y muchas otras áreas. En este trabajo se ha estudiado ampliamente el problema de maximizar el ancho de banda de la suma utilizando un algoritmo de asignación de espectro. Inspirado en la teoría del caos y la computación cuántica, este trabajo presenta un nuevo algoritmo genético inmune híbrido caótico (CHIGA). A continuación, introducimos un modelo de asignación de espectro que tiene en cuenta tanto la recompensa de la red como el rendimiento y el tiempo de convergencia. La mejora del rendimiento de CHIGA mediante simulaciones experimentales se evalúa en términos de la suma de la recompensa de la red en comparación con métodos basados en el recocido simulado (SA), la optimización de colonias de hormigas (ACO) y la optimización de enjambres de partículas (PSO). Los resultados de las simulaciones muestran que el CHIGA tiene una recompensa de red y un rendimiento mayores que los algoritmos optimizados existentes, al tiempo que mantiene el rendimiento total del sistema.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:red de sensores de radio cognitiva industrial, nuevo algoritmo genético inmune híbrido caótico, requisitos de comunicación precisos, optimización de colonia de hormigas, mayor recompensa de red, muchas otras áreas, optimización de enjambre de partículas, algoritmo de asignación de espectro, modelo de asignación de espectro, suma de recompensa de red
• Keywords:industrial cognitive radio sensor network, new chaotic hybrid immune genetic algorithm, accurate communication requirements, ant colony optimization, higher network reward, many other areas, particle swarm optimization, spectrum allocation algorithm, spectrum allocation model, sum network reward