高动态自组网智能路由机制研究.pdfVIP

摘要

随着无线通信技术的不断发展，移动自组织网络(MobileAdHocNetwork，

MANET)作为一项新的技术逐渐兴起。移动自组织网络是一类无中心的无线移动通

信网络，可以快速搭建，而不依赖于各项基础设备，常被用于军事通信以及个人通

信等方面。由于MANET的动态特性，MANET中的路由是极具挑战性的。在许多

复杂的网络环境下，传统的自组网中的路由协议无法应对差异化服务需求的路由

问题，而人工智能技术的发展为解决复杂场景下的路由提供了新的思路。本文从中

受到启发，结合了强化学习和图神经网络的相关算法，针对不同场景下的路由机制

进行了研究，主要研究内容如下：

本文首先研究了自组网中的面向负载均衡的动态路由机制。由于自组网中链

路容量有限，随着网络中业务流的增加，业务流的聚集会导致网络负载不均衡，链

路拥塞增加。因此从负载均衡的角度出发，本文提出了基于深度确定性策略梯度

(DeepDeterministicPolicyGradient，DDPG)算法的链路开销动态调整算法，通过链

路路由开销的智能动态决策，实现路由的动态优化调整。数值结果显示，与传统的

最短路径算法以及启发式算法相比，该算法有助于均衡网络负载，提高业务流传输

成功率，增加网络吞吐量。

接着研究了无人机网络基于能量优化的路由机制。在无人机网络中，节点的能

量有限，节点能量耗尽会造成节点失效、网络分区甚至瘫痪。因此本文对节点能量

进行优化，针对无人机网络无中心的特点，引入图注意力网络模型(GraphAttention

Network，GAT)来学习不同节点特征之间的关联关系，以实现局部信息交互。并且

为适应无人机分布式网络，提出了分布式的演员-评论家(Actor-Critic，AC)算法，

并设计了无人机网络链路权重的智能动态调整算法。通过仿真验证，本文提出的算

法与传统的最短路径算法、启发式算法相比，能够减少节点能耗，提升网络的寿命。

最后本文研究了自组网中基于备选路径的智能路由机制。传统的路由协议只

产生单一路径，在实际传输过程中，网络流量的增加容易导致业务流过于集中，造

成网络拥塞影响网络传输性能。本文提出了基于深度Q网络(DeepQNetwork，DQN)

的备用路径选择算法，该算法能够动态感知环境的变化，对网络中业务特征以及路

径的状态进行学习和预测，通过自适应调整路由的路径来保证网络的传输性能。仿

真结果表明，与传统的最短路径算法、随机算法以及贪心算法相比，该算法在提高

业务流传输成功率和增大网络吞吐量上有显著优势，并且还具有负载均衡的作用。

关键词：自组织网络，动态路由，强化学习，图注意力网络

ABSTRACT

Withthecontinuousdevelopmentofwirelesscommunicationtechnology,mobileAd

Hocnetwork(MANET)isgraduallyemergingasanewtechnology.MobileAdHoc

networkisakindofwirelessmobilecommunicationnetworkwithnocenter,whichcan

bebuiltquicklywithoutrelyingonvariousbasicequipment.Itisoftenusedinmilitary

communicationandpersonalcommunication.Duetothedynamiccharacteristicsof

MANET,theroutinginMANETisverychallenging.Inmanycomplexnetwork

environments,thetraditionalroutingprotocolsinAdHocnetworkscannotcopewiththe

routingproblemofdifferentiatedservicerequirements,andthedevelopmentofartificial

intelligencetechnolog