基于深度强化学习的客机航空自组织网络数据包路由
网络与互联网体系结构
2021-10-29 v1 人工智能
机器学习
摘要
由于拓扑高度动态，航空自组织网络（AANETs）中的数据包路由具有挑战性。在本文中，我们利用深度强化学习进行 AANETs 中的路由，旨在最小化端到端（E2E）延迟。具体而言，设计了一个深度 Q 网络（DQN），用于捕捉最优路由决策与转发节点观测到的本地地理信息之间的关系。该 DQN 基于历史飞行数据以离线方式训练，然后由每架飞机存储以辅助其飞行期间的路由决策。为了提升所提出 DQN 路由的学习效率和在线适应性，我们进一步利用关于系统动力学的知识，采用带有反馈机制设计的深度价值网络（DVN）。我们的仿真结果表明，DQN 路由和 DVN 路由均比基准协议实现更低的 E2E 延迟，且 DVN 路由的性能接近于依赖完美全局信息的最优路由。
引用
@article{arxiv.2110.15146,
title = {Deep Reinforcement Learning Aided Packet-Routing For Aeronautical Ad-Hoc Networks Formed by Passenger Planes},
author = {Dong Liu and Jingjing Cui and Jiankang Zhang and Chenyang Yang and Lajos Hanzo},
journal= {arXiv preprint arXiv:2110.15146},
year = {2021}
}