一种基于深度Q学习的移动自组网稳定路由

节点的移动降低了认知无线电-移动自组网(CR-MANETs)路由的稳定性。为此,针对CR-MANETs网络,提出基于深度Q学习的稳定路由(DQLR)。设计DQLR路由的目的在于最小化端到端队列时延和提高链路稳定性。DQLR路由先通过队列可用空间和链路的连通时间计算链路成本。然后,建立深度Q学习模型,并选择具有最低Q值作为下一跳转发节点,进而构建稳定路由。最后,利用SimPy仿真框架建立仿真平台,分析了DQLR路由的性能。仿真结果表明,相比于基于链路稳定的MANETs路由(LSR),提出的DQLR路由降低了队列时延和路由时延,并提高了数据包传递率。