（文章來源：教育新聞網）
? ? ?? 無線物聯(lián)網(IoT)是一種設備網絡，其中每個設備都可以通過無線通信渠道直接將信息發(fā)送到另一個設備，而無需人工干預。隨著物聯(lián)網設備的數(shù)量每天都在增加，無線通道上的信息量也在增加。這導致網絡上的擁塞，由于干擾和信息傳遞失敗而導致信息丟失。解決該擁塞問題的研究正在進行中，最廣泛接受和應用的解決方案是“多通道”技術。在該技術中，基于給定時間的特定信道中的業(yè)務量，在各個并行信道之間分配信息傳輸。

但是，目前，最佳的信息傳輸渠道是使用大多數(shù)現(xiàn)有物聯(lián)網設備無法支持的算法來選擇的，因為這些資源受限。即，它們具有低存儲容量和低處理能力，并且必須在長期保持運行的同時節(jié)電。在最近發(fā)表于《應用科學》的一項研究中，來自東京科學大學和日本慶應義University大學的一組科學家提出了一種基于拔河模型的機器學習算法的建議。(這是慶應義University大學的金松菊教授較早提出的一種基本模型，用于解決如何跨渠道分配信息等問題)來選擇渠道。東京理科大學的首席科學家Maseo Hasegawa教授說：“我們意識到該算法可以應用于IoT設備，因此我們決定實施并進行實驗?！?/p>

在他們的研究中，他們構建了一個系統(tǒng)，該系統(tǒng)中連接了多個IoT設備以形成一個網絡，并且每個設備只能選擇多個可用通道中的一個來傳輸信息。而且，每個設備都受到資源的限制。在實驗中，這些設備的任務是喚醒，傳輸一條信息，進入睡眠狀態(tài)，然后重復該周期一定次數(shù)。所提出算法的作用是使設備每次都能選擇最佳信道，從而在所有過程結束時，成功傳輸?shù)淖畲罂赡艽螖?shù)(即，所有信息都到達其目的地)發(fā)生在。

該算法稱為強化學習，其執(zhí)行的任務如下：每次一條信息通過某個通道傳輸時，它會根據(jù)信息是否完全準確地到達該通道來記錄通過該通道成功傳輸?shù)目赡苄?。目的地。每次后續(xù)傳輸都會更新此數(shù)據(jù)。

研究人員使用此設置還可以檢查a)算法是否成功，b)在選擇頻道時是否沒有偏見，以及c)它是否可以適應頻道中的流量變化。對于測試，構建了一個附加的控制系統(tǒng)，在該控制系統(tǒng)中，為每個設備分配了特定的通道，并且在傳輸信息時無法選擇任何其他通道。在第一種情況下，在開始實驗之前，某些信道已經擁塞，科學家們發(fā)現(xiàn)，使用算法時，成功傳輸?shù)拇螖?shù)要多于不使用算法時。在第二種情況下，某些頻道在不使用算法時變得擁塞，并且在某個時間點之后無法通過它們傳輸信息，從而導致頻道選擇中的“不公平”。然而，當科學家使用該算法時，發(fā)現(xiàn)信道選擇是公平的。第三種情況的發(fā)現(xiàn)澄清了前兩種情況：使用該算法時，設備自動開始忽略擁塞的通道，僅在其中的流量減少時才重新使用它。

長谷川教授告訴我們：“我們通過少量的計算和高性能的機器學習算法就實現(xiàn)了頻道選擇?！彪m然這意味著該算法在實驗條件下成功解決了信道選擇問題，但其在現(xiàn)實世界中的應用仍有待觀察?？茖W家說：“將在進一步的研究中進行測試該算法魯棒性的現(xiàn)場試驗?！彼麄冞€計劃通過考慮其他網絡特性(例如信道傳輸質量)來改進未來的算法。

隨著全球越來越多的設備通過無線信道進行連接，世界正迅速向大規(guī)模無線物聯(lián)網網絡發(fā)展。每個可能的組織或學者都在時光的這一時刻利用這一機會來解決頻道選擇問題并取得領先。長谷川教授和他的團隊成功地邁出了比賽的第一步。高速，無差錯的無線信息傳輸?shù)奈磥砜赡芗磳⒌絹?
? ?? （責任編輯：fqj）