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，并且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。所提出算法的作用是使设备每次都能选择最佳信道，从而在所有过程结束时，成功传输的最大可能次数(即，所有信息都到达其目的地)发生在。
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，在该控制系统中，为每个设备分配了特定的通道，并且在传输信息时无法选择任何其他通道。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不使用算法时。在第二种情况下，某些频道在不使用算法时变得拥塞，并且在某个时间点之后无法通过它们传输信息，从而导致频道选择中的“不公平”。然而，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通道，仅在其中的流量减少时才重新使用它。