10.19678/j.issn.1000-3428.0059591
基于函数逼近的强化学习FANET路由优化算法
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.
飞行自组网;函数逼近;Q学习;路由算法;自适应HELLO时隙
47
TN929.52
江苏省重点研发计划;苏州市重点产业技术创新项目
2021-11-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
207-213