311 XXXII MOSTRA UNISINOS DE INICIAÇÃO CIENTÍFICA E TECNOLÓGICA De 29/09/2025 a 03/10/2025 Unisinos São Leopoldo e Porto Alegre Ciências Exatas e da Terra - Programa de Pós-Graduação em Computação Aplicada Autor(a): Luís Antônio Leite Francisco da Costa Coautor(es): Rodrigo C. de Lamare; Edison Pignaton de Freitas Modalidade de Bolsa: Orientador(a): Rafael Kunst CLUSTER-BASED MACHINE LEARNINGDRIVEN ROUTING FOR UAV NETWORKS IN 6G ENVIRONMENT As redes sem fio de sexta geração (6G) são projetadas para oferecer latência ultra baixa, conectividade massiva e altas taxas de dados, possibilitando aplicações avançadas como enxames autônomos de UAVs e computação de borda aérea. No entanto, a concretização dessa visão em Redes Ad Hoc Voadoras (FANETs) requer mecanismos de clusterização inteligentes e adaptativos para garantir roteamento e utilização eficientes de recursos. Este artigo propõe uma nova estrutura baseada em aprendizado de máquina para formação dinâmica de clusters e seleção de cabeças de cluster em FANETs habilitadas para 6G. O sistema utiliza a previsão de mobilidade usando XGBoost e uma estratégia de otimização composta baseada na intensidade do sinal e proximidade espacial para identificar cabeças de cluster ideais. Para avaliar o método proposto, simulações abrangentes foram conduzidas em topologias centralizadas (5G) e descentralizadas (6G) usando padrões realistas de tráfego de vídeo. Os resultados mostram que o modelo proposto alcança melhorias significativas em atraso, jitter e throughput em cenários descentralizados. Essas descobertas demonstram o potencial da combinação de aprendizado de máquina com técnicas de clusterização para aprimorar a escalabilidade, a estabilidade e o desempenho em redes aéreas de próxima geração.
RkJQdWJsaXNoZXIy MjEzNzYz