基于函数逼近的强化学习FANET路由优化算法

• 全文链接
• 请求原文

作   者：

谢勇盛;  杨余旺;  邱修林;  王吟吟; 

作者机构：

南京理工大学计算机科学与工程学院; 

关键词：

飞行自组网;  Q学习;  自适应HELLO时隙;  函数逼近;  路由算法; 

期刊名称：

计算机工程

i s s n：

1000-3428

年卷期：

2021 年 011 期

页   码：

207-213

摘   要：

针对高速移动状态下的飞行自组网路由协议链路维护困难问题,提出一种基于强化学习的自适应链路状态路由优化算法QLA-OLSR。借鉴强化学习中的Q学习算法,通过感知动态环境下节点邻居数量变化和业务负载程度,构建价值函数求解最优HELLO时隙,提高节点链路发现与维护能力。利用优化Kanerva编码算法的状态相似度机制,降低QLA-OLSR算法复杂度并增强稳定性。仿真结果表明,QLA-OLSR算法能有效提升网络吞吐量,减少路由维护开销,且具有自学习特性,适用于高动态环境下的飞行自组网。