强化学习框架下移动自组织网络分步路由算法

发布时间：2021-01-22 12:06

　　移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出强化学习框架下的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集以提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析。仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。 

【文章来源】：国防科技大学学报. 2020,42(04)北大核心

【文章页数】：6 页

【部分图文】：

置信度更新过程

图4比较了在300 s内不同路由方法在目的节点的吞吐率;图5则比较了对应的路由开销。从图5中可以看出,OSPF路由拥有的路由开销更低,但是对目的节点来说,数据包到达率不够稳定,因为节点的移动会改变拓扑结构,使得以OSPF的方式路由的成功率降低。基于强化学习的SRR算法相对于OSPF算法提升了路由的稳定性,数据成功传输率平均增加了70%,平均丢包率仅有1.6%,相对地,也增加了1倍以上的路由开销。图4 数据包到达速率仿真结果

数据包到达速率仿真结果

【参考文献】：
期刊论文
[1]战术MANET中基于多态转移策略的蚁群优化QoS路由算法[J]. 杜青松,朱江,张尔扬.  国防科技大学学报. 2012(01)



本文编号：2993195