无线物联网(IoT)是一种设备网络，其中每个设备都可以通过无线通信渠道直接将信息发送到另一个设备，而无需人工干预。随着物联网设备的数量每天都在增加，无线信道上的信息量也在增加。这导致网络上的拥塞，由于干扰和信息传递失败而导致信息丢失。正在进行解决该拥塞问题的研究，并且最广泛接受和应用的解决方案是“多通道”技术。利用该技术，基于给定时间在特定信道中的业务量，在各个并行信道之间分配信息传输。
但是，目前，最佳信息传输渠道是使用大多数现有物联网设备无法支持的算法来选择的，因为这些资源受限。即，它们具有低存储容量和低处理能力，并且必须在长期保持运行的同时节电。
在最近发表于《应用科学》上的一项研究中，一组来自东京科学大学和日本庆应义University大学的科学家提出了一种基于拔河模型(这是一种基本模型)的机器学习算法的建议。，是庆应义University大学的金松菊教授较早提出的，用于解决诸如如何在各个渠道之间分配信息等问题，以选择渠道。东京理科大学的首席科学家Maseo Hasegawa教授说：“我们意识到该算法可以应用于IoT设备，因此我们决定实施并进行实验。”
在他们的研究中，他们构建了一个系统，该系统中连接了多个IoT设备以形成一个网络，每个设备只能选择多个可用通道中的一个来传输信息。而且，每个设备都受到资源的限制。在实验中，这些设备的任务是唤醒，传输一条信息，进入睡眠状态，然后重复该周期一定次数。所提出的算法的作用是使设备每次都能选择最佳信道，从而在最后，发生了最大可能的成功传输次数(即，当所有信息都到达其目的地时)。
该算法称为强化学习，其执行的任务如下：每次一条信息通过某个通道传输时，它会根据信息是否完全准确地到达该通道来记录通过该通道成功传输的可能性。目的地。每次后续传输都会更新此数据。
研究人员使用此设置还可以检查a)算法是否成功，b)在选择频道时是否没有偏见，以及c)它是否可以适应频道中的流量变化。对于测试，构建了一个附加的控制系统，其中每个设备被分配了一个特定的频道，并且在传输信息时无法选择任何其他频道。在第一种情况下，在开始实验之前，某些信道已经拥塞，科学家们发现，使用算法时，成功传输的次数要多于未使用算法时。在第二种情况下，某些频道在不使用算法时变得拥塞，并且在某个时间点后无法通过它们传输信息，从而导致频道选择中的“不公平”。但是，当科学家使用该算法时，发现信道选择是公平的。第三种情况的发现澄清了前两种情况：使用该算法时，设备自动开始忽略拥塞的信道，仅在其中的流量减少时才重新使用它。
长谷川教授告诉我们：“我们通过少量的计算和高性能的机器学习算法就实现了频道选择。” 虽然这意味着该算法在实验条件下成功解决了信道选择问题，但其在现实世界中的应用仍有待观察。科学家说：“将在进一步的研究中进行测试该算法鲁棒性的现场试验。” 他们还计划通过考虑其他网络特性(例如信道传输质量)来在将来的研究中改进算法。
随着全球越来越多的设备通过无线信道进行连接，世界正迅速向大规模无线物联网网络发展。每个可能的组织或学者都在时光流逝的这一时刻利用机会来解决频道选择问题并取得领先。长谷川教授和他的团队成功地迈出了比赛的第一步。高速，无差错的无线信息传输的未来可能即将到来!
