小卫星网络中的路由：一种基于GNN的学习方法
网络与互联网体系结构
2021-08-20 v1
摘要
小卫星网络(SSNs)由大量近地轨道(LEO)小卫星构成，被视为提供泛在互联网接入的有前景途径。为处理随机互联网流量，SSN中需要星上路由。然而，大规模、高动态的SSN拓扑与有限资源使SSN中的星上路由面临巨大挑战。为解决此问题，我们转向图神经网络(GNN)——一种为图数据天然设计的深度学习网络，其动机在于SSN可自然建模为图。通过利用GNN的拓扑提取能力，我们提出一种基于GNN的学习路由方法(GLR)，以低复杂度实现近最优星上路由。我们设计了高阶与低阶特征提取器及交叉处理，以应对SSN的高动态拓扑，甚至是训练中从未见过的拓扑。仿真结果表明，与典型的现有卫星路由算法相比，GLR显著降低了路由计算成本，同时在具有不同规模的SSN中实现了近最优路由性能。
引用
@article{arxiv.2108.08523,
title = {Routing in Small Satellite Networks: A GNN-based Learning Approach},
author = {Mengjie Liu and Jian Li and Hancheng Lu},
journal= {arXiv preprint arXiv:2108.08523},
year = {2021}
}