A Hierarchical Reinforcement Learning-Based Time Slotted Channel Hopping Scheduling Method for Emergency Rescue in Karst Natural Caves
Este artigo propõe o HRL-TSCH-ERC, um método de escalonamento baseado em aprendizado por reforço hierárquico que aloca recursos e escala links dinamicamente em Redes Mesh Sem Fio de cavernas cársticas para melhorar significativamente a entrega de pacotes, a confiabilidade e a eficiência energética para serviços heterogêneos de resgate de emergência em comparação com algoritmos existentes.