摘要

本文介绍了一种名为RobustGANTT的新型图神经网络（GNN）调度器，用于增强使用反向散射技术的无电池传感器标签的物联网（IoT）网络。该调度器解决了在大型网络中协调传感器标签通信的NP-Hard优化问题，通过学习小型网络的最优调度，能够无需重新训练即可泛化到包含多达1000个节点的网络，显著提高了资源效率和网络响应速度。

原理

RobustGANTT利用GNN处理可变输入输出结构的能力，通过迭代节点分类生成调度时间片。该系统通过引入位置编码（PE）和增加注意力头数，增强了GNN处理网络拓扑对称性和复杂依赖的能力。此外，通过学习率预热和选择合适的PE方法，确保了模型在处理大型未见网络时的稳定性和一致性。

流程

RobustGANTT的工作流程包括收集网络的MAC和路由协议信息，构建网络图表示，通过GNN模型进行迭代节点分类生成调度，最后通过现有网络泛洪机制分发调度。例如，系统在处理一个包含23个节点的真实IoT网络时，能够实现平均12%的资源节约，最高达到53%，同时保持快速的响应时间。

应用

RobustGANTT的应用前景广阔，特别适用于大规模IoT网络，如智能城市、工业自动化和医疗监测系统。其高效的资源利用和快速响应能力使其能够适应动态变化的网络环境，推动IoT技术的进一步发展和应用。