卫星网络吞吐量与链路利用率提升：一种学习驱动的方法

卫星网络为地理分布不均的全球用户提供通信服务。在人口稠密地区，星间链路(ISL)经常发生拥塞，阻塞来自其他链路的流量，导致链路利用率和吞吐量低下。在这种情况下，延迟容忍流量可以被移动卫星暂存并携带以绕过拥塞区域，从而缓解人口稠密地区的链路拥塞。通过合理的存储-转发决策，可以提升链路利用率和吞吐量。在此基础上，本文重点关注基于学习的卫星流量决策。首先，提出了一种基于拓扑同构的链路负载预测方法。然后，将存储-转发决策建模为马尔可夫决策过程(MDP)。为了生成存储-转发策略，我们提出了基于值迭代和Q-Learning的强化学习算法。仿真结果表明，所提方法在提升吞吐量和链路利用率的同时，消耗的时间不到基于约束路由的20%。