基于深度强化学习的无人机可信地理位置路由协议
针对无人机(UAV)通信过程中存在的高移动性和节点异常问题,该文提出一种基于深度强化学习的无人机可信地理位置路由协议(DTGR).引入可信第三方提供节点的信任度,使用理论与真实的时延偏差和丢包率作为信任度的评估因子,将路由选择建模为马尔可夫决策过程(MDP),基于节点信任度、地理位置和邻居拓扑信息构建状态空间,然后通过深度Q网络(DQN)输出路由决策.在奖励函数中结合信任度调整动作的价值,引导节点选择最优下一跳.仿真结果表明,在包含异常节点的无人机自组网(UANET)中,DTGR与现有方案相比具有更低的平均端到端时延和更高的包递交率.当异常节点数量或者比例变化时,DTGR能感知环境并高效智能地完成路由决策,保障网络性能.
无人机路由协议、信任度、马尔可夫决策过程、深度强化学习
44
TN915.04;V279
广西自然科学基金项目2022GXNSFDA035070
2022-12-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
4211-4217