Synergy Optimized Routing Protocol for Multiobjective Optimization in Underwater Communication Networks
Notice bibliographique
Résumé
Underwater communication systems face challenges, including limited bandwidth, high latency, and void areas. This article introduces synergy optimization routing protocol (SORP) for Internet of Underwater (IoU) sensor networks, emphasizing link scheduling to address localization, energy consumption, latency, network longevity, and void regions. Leveraging belief-desire-intention (BDI) and fuzzy logic, SORP offers adaptive responses to varying network conditions. Theoretical modeling using NetLogo enhances the understanding of SORP’s behavior. In evaluation, SORP consistently outperforms others. Demonstrating superior energy efficiency (3.0–3.9) compared to PPWURC, state prediction-based data collection (SPDC), balanced routing protocol based on machine learning (BRP-ML) (40–120), and energy efficient clustering routing protocol based on arithmetic progression (5–6.5), SORP proves its efficacy. Latency analysis reveals SORP consistently displaying the lowest values (2.0–2.8), surpassing packet hierarchy and void processing, SPDC, and BRP-ML (8.3–30.0). With a perfect packet delivery ratio (PDR) of 98%, SORP showcases exceptional reliability. Network lifetime analysis positions SORP as a durable option, lasting from 3985 to 4010 rounds. Validation through an underwater communication system demonstrates speeds of 5 Mb/s and above. Simulation testing reveals a transmission speed of 80 bps with latency of less than 4 s and 98% PDR. Theoretical predictions indicate significant improvements in real-time transmission, reducing latency to less than 1 s with a speed of 5 Mb/s. This research presents an innovative and practical approach to address underwater communication challenges, highlighting the efficiency and reliability of SORP in routing protocols for underwater sensor networks. The combination of theoretical modeling and real-time testing offers a comprehensive understanding, emphasizing the potential real-world impact of SORP.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».