امروزه با پیشرفت روزافزون فناوری و توسعه ی سریع شبکه های کامپیوتری میتوان گفت هر چیزی به اینترنت متصل است. بنابراین اینترنت اشیا هم از لحاظ تعداد اشیا و تنوع و نیز از منظر حجم داده رد و بدل شده است در حال توسعه است. اینترنت اشیا یک شبکه ی ناهمگون است زیرا از شبکه ها و تجهیزاتی تشکیل شده است که به صورت مستقل و با اهداف متفاوت توسعه داده شده است اند. از این رو، مصرف انرژی در اینترنت اشیا بسیار چالش برانگیز است. روشهایی که تاکنون برای کاهش مصرف انرژی ارائه شده است اند، عموماً ویژگیهای اینترنت اشیا از جمله ماهیت وابسته بودن اشیای مختلف به یکدیگر بازی محدود داده ها و تعداد زیاد گره های اینترنت اشیا را در نظر نگرفته اند. در این پژوهش از مدل مبتنی بر چرخه و انتقال اطلاعات به ایستگاه پایه و بین اشیاء برای مصرف انرژی و شبکه اینترنت اشیا استفاده شد. مهم ترین چالشهای کلیدی در مسیریابی اینترنت اشیا، انرژی هر گره، مقایس پذیری، تحمل خطا و پویایی شبکه است. برای یک ارتباط موفق و انتقال اطلاعات، کیفیت یک گره باید توسط معیارهای مناسبی ارزشیابی شود. پارامترهای مختلف در نظر گرفته شده در این پژوهش به ترتیب انرژی مصرف شده برای انتقال و دریافت داده ها در گره ها انرژی موجود در هر گره، فاصله بین دو گره، نرخ ارسال داده بین دو گره بود. با توجه به هدف این پژوهش که همان بهینه سازی مصرف انرژی در اینترنت اشیاء است از سیستم منطق فازی تطبیقی مبتنی بر یادگیری تقویتی همراه با الگوریتمهای ژنتیک برای کمینه کردن مصرف انرژی استفاده شد. دلیل استفاده از الگوریتم منطق فازی برای کمینه کردن مصرف انرژی در اینترنت اشیاء، توانایی بهینه سازی مسئله با در نظر گرفتن تعداد پارامترهای مختلف است که می تواند بر روی عملکرد مسئله تأثیر زیادی داشته باشد و هدف بسیاری از مسائل بهینه سازی است. نتایج شبیه سازی نشان داد که استفاده از الگوریتم منطق فازی تطبیقی مبتنی بر یادگیری تقویتی باعث بهبود مصرف انرژی و کمینه شدن آن در هنگام اجرای برنامه و در طول چرخه انتقال اطلاعات می شود.
