یک الگوریتم خوشه بندی با استفاده از آتاماتای یادگیر در شبکه های حسگر بی سیم

با وجود پیشرفت های صورت گرفته در شبکه های حسگر بی سیم، گره های حسگر به دلیل تعداد زیاد، اندازه کوچک و روش قراگیری اقتضایی، هنوز هم برای تامین انرژی خود، متکی به باتری هایی با توان اندک می باشند. هم چنین معمولاً به دلیل به کارگیری این نوع شبکه ها در محیط های خشن و غیرقابل دسترس، امکان شارژ مجدد یا تعویض گره های دستگاه های مستقل پخش شده در محیط با توانایی حس نمودن تغییرات محیط، جهت نظارت بر آن تشکیل شده است این شبکه محدودیت ]ایی از جمله منابع انرژی، حافظه و فضای ذخیره سازی می باشد. کاهش مصرف انرژی و افزایش طول عمر گره ها از مهم ترین اهداف طراحی این شبکه ]ا است و برای نیل به این اهداف تاکنون روش های متعددی مطرح شده است از جمله خوشه بندی گره ها که الگوریتم های متفاوتی برای آن عنوان شده است. آتاماتا از این پاسخ استفاده نموده و عمل بعدی را انتخاب می کند در طی این پروسه آتاماتا یاد می گیرد که چگونه بهترین عمل را انتخاب نماید. نحوه استفاده از پاسخ محیط به عمل انتخابی آتاماتا که در جهت انتخاب عمل بعدی آتاماتا استفاده می شود، توسط الگوریتم یادگیری آتاماتا مشخص می گردد.