Análisis de un protocolo de control de acceso al medio basado en Q-learning para incrementar el throughput en una red inalámbrica de sensores asistidos por superficies reconfigurables inteligentes.

Abstract

Las redes inalámbricas de sensores (WSN) enfrentan serias limitaciones de throughput y eficiencia energética cuando emplean protocolos tradicionales de control de acceso al medio (MAC), como el Back-off Exponencial Binario (BEB), especialmente en escenarios de alta densidad y tráfico elevado. Paralelamente, las Superficies Reconfigurables Inteligentes (RIS) han emergido como tecnología clave para mejorar la cobertura y calidad de señal en redes de próxima generación. Sin embargo, la sinergia entre RIS y protocolos MAC inteligentes permanece poco explorada. El presente trabajo analiza un protocolo MAC basado en Q-Learning (QL) aplicado a una WSN asistida por RIS, con el objetivo de incrementar el throughput y mejorar la eficiencia energética. La metodología empleó un diseño de simulación computacional, evaluando 15 escenarios que combinaron variaciones en la densidad de sensores (40 a 60 nodos) y tres niveles de carga de tráfico (0.5, 50 y 100 paquetes por unidad de tiempo). Los resultados permitieron validar el comportamiento del sistema, demostrando que el protocolo MAC basado en Q-Learning supera significativamente al esquema tradicional BEB en throughput y eficiencia energética, mientras que el incremento en la densidad de sensores constituye el factor determinante del rendimiento, en contraste con la carga de tráfico, cuya variación no genera cambios sustanciales. En conjunto, el modelo desarrollado constituye una base sólida para futuras investigaciones orientadas a la integración de algoritmos de aprendizaje profundo y arquitecturas multiagente en redes inalámbricas de sensores asistidas por RIS, con miras a su posible despliegue en escenarios reales de redes de próxima generación 6G e IoT masivo.