Kablosuz sensör ağlarında yönlendirme algoritmaları genellikle daha iyi karar vermek için komşu düğümlerin enerji durumunu, kuyruk uzunluğunu, bağlantı kalitesini veya ağ topolojisini paylaşır. Bu bilgi alışverişi karar kalitesini artırabilir; ancak bataryayla çalışan sensörlerde kontrol paketleri de enerji tüketir, kablosuz kanalı meşgul eder ve protokol karmaşıklığını artırır. Bu çalışma daha sıkı bir problemi inceliyor: Sıradan sensör düğümleri yönlendirme için hiçbir ek kontrol paketi göndermeden ve uygulama veri paketlerine öğrenme için özel alanlar eklemeden, küresel bilgiye dayalı yönlendirme davranışına ne ölçüde yaklaşabilir?

Bu amaçla yazarlar PassiveTD-ZC adlı yerel gözlemlenebilir bir yönlendirme protokolü geliştiriyor. “ZC”, ordinary-node zero-control kısıtını ifade ediyor: sink HELLO mesajı yayımlayabilir, ancak normal düğümler HELLO, RREQ/RREP, enerji bildirimi, kuyruk bildirimi veya öğrenme kontrol paketi göndermiyor. Yönlendirme kararı bunun yerine düğümün kendi enerji ve kuyruk durumu, RSSI, PHY/MAC geri bildirimi, pasif dinleme, komşu etkinliği, güven, yön kanıtı ve paketin bir sonraki düğüm tarafından gerçekten yeniden iletildiğini gösteren forward-confirmation bilgisinden öğreniliyor.

Teorik analiz yerel karar sürecini bir POMDP olarak tanımlıyor ve yerel gözlemin bütün küresel ağ durumunu yeniden kurduğunu iddia etmiyor. Daha dar ve karar açısından anlamlı bir sonuç hedefleniyor: Yerel gözlemler, sonraki atlama seçiminin gelecekteki faydasını belirleyen bilginin büyük kısmını koruyabiliyor mu? Yerellik, gözlem yeterliliği, TD öğrenme hatası ve fayda ayrıştırmasına ilişkin açık varsayımlar altında kaynak bu yaklaşım için koşullu performans sınırları çıkarıyor.

On farklı rastgele tohumla yürütülen sabit-güç deneylerinde PassiveTD-ZC, yoğun küçük ağda küresel bilgi kullanan test sezgiseline yakın PDR sağlıyor. Orta büyüklükteki ağda Beacon-ETX ile benzer PDR üretirken çok daha düşük toplam enerji ve sıfır sıradan-düğüm kontrol iletim enerjisi kullanıyor. Buna karşılık seyrek ve uzun-atlamalı topolojilerde pasif bilginin geç veya yetersiz oluşması performans kaybını büyütüyor. Dolayısıyla çalışma, sıfır-kontrol yerel öğrenmeyi evrensel bir yönlendirme çözümü olarak değil, kontrol trafiğinin pahalı olduğu ve pasif kanıtın yeterince zengin olduğu ağlar için koşullu bir yaklaşım olarak ortaya koyuyor.

Ağ modeli ve “sıfır kontrol” kısıtı

Ağ, iki boyutlu

\[ \Omega=[0,L_x]\times[0,L_y] \]

bölgesine yerleştirilen bir sink ve \(N\) sıradan sensör düğümünden oluşur. Sıradan düğümler sink kimliğini bilir; ancak yönlendirme kararlarında kendi koordinatlarını, sink koordinatını, komşuların koordinatlarını veya küresel topolojiyi kullanmaz.

Uygulama paketleri çok atlamalı olarak sink'e taşınır. Paketlerde pratik bir ağın zaten gerektirdiği source ID, destination ID, mevcut MAC göndericisi, next-hop alıcısı, packet ID, TTL ve payload uzunluğu gibi alanlar bulunabilir. Buna karşılık komşu enerji seviyesi, kuyruk uzunluğu, sink-hop tahmini, koordinat veya öğrenme durumunu taşıyan özel bir alan eklenmez.

Sink'in periyodik HELLO mesajı yayınlamasına izin verilir. Ancak sıradan düğümler bu mesajları yalnız alır; yeniden yayınlamaz. Bu nedenle “zero-control” ifadesi ağda hiç kontrol bilgisi bulunmadığı anlamına gelmez. Kesin anlamı, sıradan düğümlerin ilave yönlendirme kontrol paketi iletmemesidir.

PassiveTD-ZC Hangi Bilgileri Kullanıyor?

PassiveTD-ZC, komşuların gizli veya küresel durumunu doğrudan istemek yerine normal veri trafiğinin ürettiği yerel kanıtlardan öğrenir. Öğrenme durumu; yerel enerji ve kuyruk seviyesi, paket TTL düzeyi, güven, pasif yön sınıfı, RSSI tabanlı bağlantı kalitesi, forward-confirmation ve komşu etkinliği bileşenlerinden oluşur.

Düğüm \(i\)'nin aday komşu \(j\) için kullandığı durum kaynakta

\[ s_{ij}(t)= \left( e_i,\, q_i,\, \tau_p,\, T_{ij},\, D_{ij},\, L_{ij},\, F_{ij},\, A_{ij} \right) \]

olarak tanımlanır.

Bu durum vektöründe koordinat, sink uzaklığı, küresel topoloji, komşunun gerçek kalan enerjisi veya gerçek kuyruk uzunluğu yoktur.

Pasif yön bilgisi nasıl oluşuyor?

Yön sınıfı geometrik açı değildir. Bir komşu doğrudan sink'e paket iletirken duyulmuşsa en güçlü ilerleme kanıtına sahip olur. Komşu, daha önce sink yönünde ilerlediği bilinen başka bir düğüme paket aktarıyorsa dolaylı ilerleme kanıtı oluşur. Komşu etkin fakat sink yönünde ilerleme kanıtı yoksa daha zayıf bir sınıfa; etkin değilse veya kullanılabilir bilgi yoksa en düşük öncelikli sınıfa yerleştirilir.

Bu mekanizma, koordinat bilmeden göreli bir yönlendirme gradyanı oluşturmaya çalışır. Ancak bu gradyanın oluşması için ağda gözlemlenebilir veri trafiğinin bulunması gerekir.

Forward confirmation neden önemli?

Düğüm \(i\), paketi \(j\)'ye gönderdikten sonra aynı packet ID'nin \(j\) tarafından yeniden iletildiğini pasif olarak duyarsa bir forward-confirmation oluşur. Böylece yalnız bağlantının \(i\rightarrow j\) kısmının başarılı olduğu değil, paketin gerçekten bir sonraki aşamaya ilerlediği konusunda da yerel kanıt üretilir.

Bu mekanizma özel öğrenme alanına ihtiyaç duymaz; mevcut packet ID ile MAC gönderici/alıcı bilgisi yeterlidir.

Yerel Gözlem Küresel Ağ Durumunun Yerini Tutabilir mi?

Genel durumda hayır. Çalışma, bir düğümün yerel gözlemlerinden bütün küresel ağ durumunu çıkardığını iddia etmiyor. Teorik sonuç daha sınırlıdır: Belirli yerellik ve yaklaşık-yeterlilik koşulları altında yerel gözlem, mevcut next-hop kararının gelecekteki faydasını belirleyen bilgi açısından küresel duruma yaklaşabilir.

Küresel MDP ve yerel POMDP ayrımı

Küresel ağ durumu

\[ S_t=(E_t,Q_t,L_t,C_t,P_t,G_t) \]

ile gösterilir. Burada bütün ağın enerjileri, kuyrukları, bağlantı/kanal durumları, MAC çekişme durumu, paket durumları ve bağlantı grafiği bulunur.

Küresel bilgiye sahip merkezi yönlendirme problemi bir Markov karar süreci olarak

\[ \mathcal M= \langle \mathcal S,\mathcal A,P,R,\gamma \rangle \]

ile gösterilebilir.

Sıradan düğüm ise \(S_t\)'yi göremez. Yalnız

\[ O_i(t)=Z_i(S_t) \]

yerel gözlemine sahiptir. Bu nedenle düğüm \(i\)'nin karar problemi bir POMDP'dir.

Karar-ilgili bilgi değişkeni

Kaynak, aday next-hop \(j\) üzerinden yönlendirme yapıldığında oluşacak indirgenmiş gelecek yönlendirme faydasını

\[ Y_{ij}(t) \]

ile gösterir. Bu büyüklük teslim ödülü, enerji maliyeti, gecikme ve kayıp/yeniden iletim maliyetinin indirgenmiş toplamını temsil eder.

Küresel politika

\[ Q_i^G(s,j) = \mathbb E [ Y_{ij}(t)\mid S_t=s ] \]

değerini kullanabilirken yerel politika yalnız

\[ Q_i^L(o,j) = \mathbb E [ Y_{ij}(t)\mid O_i(t)=o ] \]

değerine erişebilir.

Bu nedenle kaynak, bütün ağ durumunun ne kadarının kaybedildiğini değil, şu koşullu karşılıklı bilgiyi merkeze alır:

\[ I\!\left( Y_{ij}(t);S_t\mid O_i(t) \right). \]

Bu değer küçükse, \(S_t\)'de bulunan ve next-hop kararına gerçekten yarayan bilginin önemli bölümü \(O_i\) içinde korunmuştur.

Yerel Markov blanket

Çalışma, next-hop faydasının esas olarak düğümün kendi enerji/kuyruk durumu, fiziksel bağlantı, yerel MAC çekişmesi, yakın geçmiş ve komşunun pasif davranış kanıtıyla belirlendiğini varsayan bir local routing Markov blanket tanımlar.

Yerellik hatası \(\epsilon_{\mathrm{loc}}\), uzak düğümlerdeki kuyruklar, gizli terminaller veya uzak çekişme gibi bu yerel örtünün açıklayamadığı etkileri temsil eder. Gözlem hatası \(\epsilon_o\) ise gerçek yerel durumun RSSI, güven, yön sınıfı ve diğer sınırlı göstergelerle temsil edilmesinden doğan kaybı ifade eder.

Kaynak iki hata bileşenini

\[ \epsilon_I=\epsilon_o+2\epsilon_{\mathrm{loc}} \]

biçiminde birleştirir ve karar-fayda dağılımının küresel ve yerel bilgi altındaki farkını toplam varyasyon uzaklığı üzerinden sınırlar.

Bilgi kuramsal sınır

\(Y_{ij}\) faydası \(K\) seviyeye ayrıklaştırıldığında, kaynak

\[ I(\overline Y_{ij};S_t\mid O_i) \leq h_2(\epsilon_I) + \epsilon_I\log(K-1) \]

sınırını elde eder. Burada \(h_2\) ikili entropi fonksiyonudur.

Bunun sonucu olarak yerel gözlemin tuttuğu karar-ilgili bilgi

\[ I(\overline Y_{ij};O_i) \geq I(\overline Y_{ij};S_t) - \left[ h_2(\epsilon_I) + \epsilon_I\log(K-1) \right] \]

ile aşağıdan sınırlanır.

Bu eşitsizliklerin anlamı, “yerel bilgi küresel bilginin aynısıdır” değildir. Anlamı, \(\epsilon_I\) küçük olduğunda yerel durumun next-hop faydasına ilişkin küresel bilginin büyük bölümünü koruyabilmesidir.

Çalışmanın Yöntemi ve Bulguları

Pasif gözlemin oluşma olasılığı

Yerel sıfır-kontrol yaklaşımının başarısı veri trafiğinin gerçekten gözlem üretmesine bağlıdır. Kaynak, \(W\) uzunluğundaki bir gözlem penceresinde yararlı pasif olay sayısını yaklaşık olarak ele alarak hiç gözlem elde edilememe olasılığını

\[ P\{N_{ij}(W)=0\} = \exp(-\lambda_{\mathrm{eff}}p_{\mathrm{oh}}W) \]

şeklinde verir.

En az bir yararlı pasif gözlem bulunma olasılığı ise

\[ P_{\mathrm{obs}}(W) = 1- \exp(-\lambda_{\mathrm{eff}}p_{\mathrm{oh}}W) \]

olur.

Burada \(\lambda_{\mathrm{eff}}\) yararlı çevresel trafik hızını, \(p_{\mathrm{oh}}\) ise ilgili iletimin pasif olarak duyulma olasılığını temsil eder. Dolayısıyla veri trafiği ve pasif dinleme imkânı arttıkça gözlem yeterliliği iyileşebilir; ağ çok sessizse veya yollar uzunsa bilgi birikimi yavaşlar.

Küresel ve yerel next-hop değerleri arasındaki sınır

Faydanın

\[ 0\leq Y_{ij}\leq Y_{\max} \]

olduğu durumda kaynak

\[ |Q_i^G(s,j)-Q_i^L(o,j)| \leq 2Y_{\max}\epsilon_I \]

sonucunu çıkarır.

TD öğrenicisinin ayrıca

\[ |\widehat Q_i(o,j)-Q_i^L(o,j)| \leq \epsilon_{\mathrm{TD}} \]

hatası varsa

\[ |Q_i^G(s,j)-\widehat Q_i(o,j)| \leq 2Y_{\max}\epsilon_I+\epsilon_{\mathrm{TD}} \]

elde edilir.

Bu, protokolün teorik merkezlerinden biridir: Yerel yönlendirme performansındaki fark yalnız “RL iyi mi kötü mü?” sorusuna değil, gözlemin ne kadar bilgi kaybettiğine ve öğrenicinin bu yerel değeri ne kadar doğru tahmin ettiğine bağlıdır.

Fayda ayrıştırma sınırı

Küresel tek-adım ağ faydası kaynakta teslim başarısı, toplam enerji, gecikme ve kayıp maliyetinin bileşimi olarak tanımlanır. Yerel protokol bunun yerine düğüm bazındaki yerel faydaların toplamını optimize eder.

Gerçek küresel fayda ile yerel faydaların toplamı arasındaki artık

\[ |\Delta(S_t,A_t)|\leq\epsilon_U \]

ile sınırlanabiliyorsa, küresel optimum ve ayrıştırılmış yerel optimum arasındaki indirgenmiş performans farkı

\[ J_U(\pi_G^\star) - J_U(\pi_L^\star) \leq \frac{2\epsilon_U}{1-\gamma} \]

olur.

Genel politika performans sınırı

Çalışma gözlem, yerellik, TD tahmini ve fayda ayrıştırmasını birleştirerek şu koşullu sonucu verir:

\[ \boxed{ J_U(\pi^\star_{\mathrm{global}}) - J_U(\pi_{\mathrm{local}}) \leq \frac{ 4Y_{\max}(\epsilon_o+2\epsilon_{\mathrm{loc}}) + 2\epsilon_{\mathrm{TD}} + 2\epsilon_U }{ 1-\gamma } } \]

Bu formül PassiveTD-ZC'nin neden yoğun ve bilgi açısından zengin ağlarda küresel yönlendirmeye yaklaşabildiğini, fakat seyrek/uzun yol ağlarında farkın neden büyüyebileceğini aynı matematiksel çerçevede açıklar.

PassiveTD-ZC Yönlendirme Kararını Nasıl Veriyor?

Her aday komşuya öğrenilmiş TD değeri, bağlantı kalitesi, forward-confirmation, güven ve etkinlik için pozitif katkılar; pasif olarak tahmin edilen hop maliyeti ve yakın geçmişteki kanal başarısızlıkları için negatif katkılar veren bir skor hesaplanır. En iyi komşunun skoru yeterince yüksek değilse ve paketin TTL/kuyruk durumu izin veriyorsa düğüm paketi geçici olarak bekletebilir.

Aday komşu skoru kaynakta

\[ S_{ij}(t) = w_VV_{ij}(t) + w_LL_{ij}(t) + w_FF_{ij}(t) + w_TT_{ij}(t) + w_AA_{ij}(t) - \lambda_h\widehat h_{ij}(t) - C_{ij}(t) \]

olarak verilir.

TD değeri ise yerel olarak

\[ V_{ij}(t+1) \leftarrow (1-\alpha)V_{ij}(t) + \alpha \left[ r_{ij}(t) + \gamma\max_k V_{jk}(t) \right] \]

biçiminde güncellenir.

Ödül fonksiyonu, başarılı aktarımı ve doğrulanmış sink yönündeki ilerlemeyi ödüllendirirken başarısız iletim, gereksiz tekrar ve bayat bilgiyle bekleme gibi davranışları cezalandırır.

Bekleme eyleminin rolü

PassiveTD-ZC'nin eylem uzayında yalnız komşular yoktur; \(\varnothing\) ile gösterilen bekleme eylemi de bulunur. Bir düğüm güvenilir yön kanıtı bulamadığında paketi hemen zayıf bir bağlantıya göndermek yerine kuyrukta tutabilir.

Ancak bekleme sınırsız değildir. TTL azalırsa veya kuyruk dolmaya yaklaşırsa düğüm, yön bilgisi zayıf olsa bile en iyi mevcut komşuyu kullanabilir. Bu mekanizma başlangıç aşamasındaki gereksiz denemeleri azaltmayı hedefler fakat uzun-atlamalı ağlarda aşırı bekleme PDR'yi düşürebilir.

Sabit-güç deney tasarımı

Çalışmanın önemli metodolojik tercihlerinden biri bütün senaryolarda aynı fiziksel radyo modelinin kullanılmasıdır. Ortalama alınan güç

\[ P_{\mathrm{rx}}(d) = P_{\mathrm{tx}} + G_0 - 10\alpha\log_{10}(d/d_0) + X_\sigma \]

ile modellenir.

Paket başarı olasılığı ise yumuşak bir geçiş fonksiyonu olarak

\[ p_{\mathrm{succ}}(d) = \frac{1}{ 1+\exp\{-\kappa[P_{\mathrm{rx}}(d)-P_{\mathrm{th}}]\} } \]

biçimindedir.

Nominal iletişim yarıçapı

\[ p_{\mathrm{succ}}(R_{50})=0.5 \]

koşuluyla tanımlanır ve bütün senaryolarda yaklaşık

\[ R_{50}\approx50\ \mathrm m \]

tutulur.

Böylece “zor senaryoda protokole daha büyük radyo menzili verme” gibi bir karıştırıcı değişken kullanılmaz. Ağ büyüklüğü düğüm sayısı, alan, yoğunluk ve topoloji değiştirilerek ölçeklenir.

Deney senaryoları

Ortak ana ayarlar arasında 0,02 saniyelik slot, yaklaşık 5 saniyelik veri üretim aralığı, 4000 bit veri paketi, 200 bit sink HELLO mesajı ve \(P_{\mathrm{tx}}=-4.1\) dBm sabit gönderim gücü bulunur. Sonuçlar 10 rastgele tohum üzerinden hesaplanır.

Ana PDR ve enerji sonuçları

Deneyler PassiveTD-ZC İçin Hangi Koşullarda Avantaj Gösteriyor?

Kaynak sonuçlarına göre en güçlü rejimler yoğun küçük ve orta ölçekli ağlardır. SD30'da PassiveTD-ZC'nin PDR'si Beacon-ETX ve test edilen Global-Cost Heuristic ile istatistiksel olarak anlamlı bir fark göstermiyor. M120'de PassiveTD-ZC ile Beacon-ETX PDR açısından yine anlamlı biçimde ayrışmıyor; buna karşılık PassiveTD-ZC'nin toplam enerji tüketimi belirgin biçimde daha düşük ve sıradan düğümlerin kontrol-paketi iletim enerjisi sıfırdır.

SD30: Yoğun ağda yerel bilgi yeterli hale geliyor

SD30'da PassiveTD-ZC:

• PDR: 0,7947 ± 0,0082
• AODV PDR: 0,7765 ± 0,0103
• Beacon-ETX PDR: 0,8002 ± 0,0085
• Global-Cost Heuristic PDR: 0,8002 ± 0,0085

PassiveTD-ZC ile AODV arasındaki ortalama PDR farkı +0,0182 ve eşleştirilmiş testte \(p=0.0116\)'dır. PassiveTD-ZC ile Beacon-ETX arasındaki fark ise istatistiksel olarak anlamlı değildir.

Bu senaryoda yön kaydı oranı 0,960, bilinmeyen yön seçimi 0 ve bekleme oranı 0'dır. Kaynağın kullandığı operasyonel bilgi-kaybı göstergesi \(\widehat\epsilon_{\mathrm{obs}}\) yalnız 0,020'dir.

M120: Beacon-ETX'e benzer PDR, daha düşük enerji

M120 sonuçları özellikle kontrol maliyeti açısından dikkat çekicidir:

• PassiveTD-ZC PDR: 0,4982 ± 0,0063
• Beacon-ETX PDR: 0,4972 ± 0,0049
• Global-Cost Heuristic PDR: 0,5264 ± 0,0059
• PassiveTD-ZC toplam enerji: 4,1553 J
• Beacon-ETX toplam enerji: 7,7203 J

PassiveTD-ZC ile Beacon-ETX arasındaki PDR farkı için \(p=0.7888\) raporlanırken, küresel sezgisel yönteme karşı kalan fark anlamlıdır. Bu nedenle orta ağ sonucu “yerel yöntem küresel bilginin tamamını yakaladı” olarak değil, açık ETX gradyanı bakımının önemli bölümünü pasif kanıtla telafi edebildiği biçiminde okunmalıdır.

Yöntem Hangi Koşullarda Zayıflıyor?

Pasif yön bilgisi seyrekleştiğinde, yol uzadığında, düğüm bekleme oranı yükseldiğinde veya uzak ağ etkileri yerel gözlemlerle temsil edilemediğinde PassiveTD-ZC'nin avantajı azalır. Kaynakta LH60 ve LT120 sonuçları bu sınırı açıkça gösterir.

LH60 uzun-hop senaryosu

LH60'ta:

• PassiveTD-ZC PDR: 0,2575 ± 0,0062
• AODV PDR: 0,2993 ± 0,0084
• Beacon-ETX PDR: 0,2919 ± 0,0078
• Global-Cost Heuristic PDR: 0,3025 ± 0,0107

PassiveTD-ZC'nin bekleme oranı 0,393, bilinmeyen yön seçimi 0,385 ve operasyonel bilgi-kaybı göstergesi 0,398'dir. Bu değerler yoğun SD30'a göre pasif kanıtın ciddi biçimde zayıfladığını gösterir.

LT120 yaşam ömrü senaryosu

LT120'de PassiveTD-ZC'nin PDR'si 0,3707, AODV'nin PDR'si 0,4123'tür. PassiveTD-ZC'nin bekleme oranı 0,913'e ulaşır. Yani paketlerin çok büyük bölümü yeterli yön güveni oluşmadığı için en azından geçici olarak tutulur.

Bu davranış kontrol paketlerinden kaçınır; ancak güvenilirlik öncelikli olduğunda pasif bilgiye tamamen bağımlı yönlendirme sınırlayıcı hale gelebilir.

EL40 sonucu neden dikkatle yorumlanmalı?

Dar ve uzun EL40 stres topolojisinde PassiveTD-ZC, test edilen AODV, Beacon-ETX, LEACH-M ve Global-Cost Heuristic'ten daha yüksek PDR verir. Fakat paket başına iletim girişimi oldukça yüksektir.

Kaynak bu sonucu yerel bilginin “gerçek küresel optimumdan daha iyi” olduğunun kanıtı olarak yorumlamaz. Global-Cost Heuristic dinamik programlama optimumu değil, belirli tek-kenar maliyetleri kullanan Dijkstra tabanlı bir sezgiseldir. Dar zincir geometrisi, PassiveTD-ZC'nin ardışık pasif teyit hafızasına bu özel senaryoda avantaj sağlamıştır.

Pasif dinleme kusurlu olduğunda ne oluyor?

Kaynak ayrıca pasif overhearing başarı olasılığını 1,00'dan 0,50'ye düşüren bir duyarlılık testi raporlar. SD30 ve M120 PDR açısından görece kararlı kalırken, LH60'ta operasyonel bilgi-kaybı göstergesi 0,398'den 0,492'ye çıkar ve PDR hafifçe azalır.

Bu sonuç teorik çerçeveyle uyumludur: yoğun ağlarda aynı yön bilgisi için daha fazla yedek pasif kanıt bulunurken seyrek uzun-hop ağlarda her kaybedilen gözlem daha değerlidir.

Çalışmanın desteklediği sonuçlar

• Ordinary-node zero-control yönlendirme, tamamen bilgisiz yönlendirme değildir; mevcut veri trafiğinden pasif bilgi üretir.
• Yerel gözlemin başarısı bütün küresel ağı temsil etmesine değil, karar-ilgili next-hop faydasını yeterince iyi temsil etmesine bağlıdır.
• Yerellik ve gözlem hataları küçük olduğunda yerel TD değeri küresel bilgiyle hesaplanan next-hop değerine yaklaşabilir.
• Yoğun ve orta ölçekli senaryolarda PassiveTD-ZC, test edilen kontrol-tabanlı yönlendirme yöntemlerine rekabetçi PDR sağlayabilir.
• M120'de Beacon-ETX'e benzer PDR, daha düşük toplam enerji ve sıfır sıradan-düğüm kontrol iletim enerjisi ile elde edilmiştir.
• Seyrek ve uzun-hop rejimlerde pasif bilgi kaybı büyüyebilir ve AODV veya küresel bilgi kullanan yöntemler daha güvenilir olabilir.

Çalışmanın desteklemediği yorumlar

• PassiveTD-ZC'nin bütün WSN topolojilerinde en iyi yönlendirme protokolü olduğu gösterilmemiştir.
• Yerel gözlemin küresel ağ durumunu tamamen yeniden kurduğu kanıtlanmamıştır.
• Global-Cost Heuristic gerçek küresel optimum değildir; kaynak bunu açıkça sezgisel referans olarak tanımlar.
• Simülasyon sonuçları gerçek donanım veya saha dağıtımıyla doğrulanmış değildir.
• Ana deneylerde pasif header overhearing için idealize edilmiş yüksek gözlenebilirlik kullanılmıştır.
• \(\widehat\epsilon_{\mathrm{obs}}\) teorik \(\epsilon_o\) veya \(\epsilon_{\mathrm{loc}}\) değerinin doğrudan ölçümü değildir; yalnız operasyonel göstergedir.
• Beacon-ETX tam bir olgun CTP/RPL uygulaması değildir; sadeleştirilmiş açık-gradyan karşılaştırmasıdır.
• Uzun-hop senaryolarında PassiveTD-ZC için kullanılan özel parametre ayarı bütün protokollerin senaryo başına optimize edildiği anlamına gelmez.

Kaynak ve Yöntem Notu

Özgün başlık: Locally Observable Reinforcement Learning Routing for Ordinary-Node Zero-Control Wireless Sensor Networks

Yazarlar: Wenxing Liao, Xiaofei Shi, Wenquan Li.

Corresponding author: Wenquan Li.

Kurum: School of Information Engineering, Shaoguan University, Shaoguan, China.

Kaynak türü: Teorik analiz ve ağ simülasyonunu birleştiren araştırma preprinti.

PDF üzerindeki gönderim notu: “Preprint submitted to Computer Networks”, 13 Haziran 2026.

SSRN gönderim tarihi: 18 Haziran 2026.

Platform: SSRN.

SSRN Abstract ID: 6963864.

DOI: 10.2139/ssrn.6963864.

Hakemlik durumu: Kaynak PDF açıkça hakem değerlendirmesinden geçmemiş preprint olduğunu belirtmektedir.

Lisans/telif: SSRN kaydı “All rights reserved; no reuse allowed without permission” bilgisini vermektedir. Bu Verianla metni kaynak cümlelerini veya özgün tablo/grafik tasarımını yeniden yayımlamaz; bilimsel olguları, matematiksel bağıntıları ve raporlanan deney değerlerini bağımsız anlatım ve yeni tablo yapısıyla açıklar.

Deney türü: Donanım/saha deneyi değil, sabit-güç kablosuz kanal modeline dayanan simülasyondur.

Tekrar sayısı: Ana karşılaştırmalar 10 tohumla yürütülmüş, PDR değerleri ortalama ve %95 güven aralığıyla raporlanmıştır.

Temel karşılaştırmalar: AODV, AODV-H, LEACH-M, Beacon-ETX, Global-Cost Heuristic ve PassiveTD-ZC.

Finansman: Kaynak, Guangdong Provincial Characteristic Innovation Project for Regular Universities kapsamında “Research on Tobacco Aroma Quality Evaluation Based on Aroma Substance Data Analysis” başlıklı 2023KTSCX137 numaralı proje desteğini bildirir.

Veri/kod erişilebilirliği: Makale, supplementary materyalde simulator kaynak kodu, senaryo yapılandırması, seed listesi, protokol parametreleri ve analiz/figür scriptlerinin sağlanacağını belirtmektedir. Bu Verianla metni söz konusu ek materyalin lisansını ana makalenin lisansıyla aynı kabul etmemektedir.

Başlıca sınırlılıklar: İdealize edilmiş packet-header overhearing; teorik hata terimlerinin doğrudan ölçülmemesi; sadeleştirilmiş Beacon-ETX referansı; sabit periyodik trafik; lifetime senaryosunda Global-Cost Heuristic'in hesaplama maliyeti nedeniyle dışarıda bırakılması; uzun-hop ayarının yalnız PassiveTD-ZC için uygulanması.

Görsel yeniden inşa: Uygundur. Özgün Verianla şeması sink, sıradan düğümler, pasif overhearing, forward-confirmation, RSSI, sıfır kontrol paketi ve TD değer güncellemesini aynı ağ üzerinde gösterebilir. Kaynak grafiklerin özgün estetik düzeni kopyalanmamalıdır.

Verianla Live / Live Figure: Uygundur. Sabit parametreli bir animasyonda paket iletimi, pasif yön bilgisinin oluşması, forward-confirmation ve komşu skorunun güncellenmesi gösterilebilir. Yeni deney sonucu veya kaynakta bulunmayan PDR üretilmemelidir.