基于Q学习的蚁群优化水声网络协议

摘要：

针对水声通信中数据传输延时高且动态适应性弱的问题,提出了一种基于Q学习优化的蚁群智能水声网络路由协议(Q-learning ant colony optimization,QACO).协议包括路由行为和智能决策部分,在路发现和维护阶段,依靠网络智能蚂蚁进行网络拓扑环境的构建和节点之间的信息交换以及网络的维护.在Q学习阶段,通过定量化节点能量和深度以及网络传输延时学习特征作为折扣因子和学习率,以延长网络的生命周期,降低系统能耗和延时.最后通过水声网络环境进行仿真,实验结果表明QACO在能耗、延迟和网络生命周期方面都优于基于Q学习辅助的蚁群算法(Q-learning aided ant colony routing protocol,QLACO)和基于Q-learning的节能和生命周期感知路由协议(Q-learning-based energy-efficient and lifetime-aware routing protocol,QELAR)和基于深度路由协议(depth-based routing,DBR)算法.

关键词：路由协议、Q学习、蚁群优化、网络自适应、多跳路由、能耗优化、遗传算法、强化学习

所属期刊栏目：32

分类号：TP393;TN915.04;TP273

资助基金：上海市教委科技创新项目2101070010E00121

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：272-279