面向低轨卫星通信网络的联邦深度强化学习智能路由方法

来源：电子与信息学报杂志2025年第8期北京时间：

作者：李学华, 廖海龙, 张贤, 周家恩

单位：1.北京信息科技大学信息与通信工程学院 北京 1022062.北京信息科技大学现代测控技术教育部重点实验室 北京 1022063.北京邮电大学网络与交换技术国家重点实验室 北京 100876

摘要：低轨卫星通信网络拓扑结构动态变化，传统地面网络路由方法难以直接适用，同时由于卫星星载资源受限，基于人工智能的路由方法通常学习效率较低，而协同训练需要数据共享和传输，难度大且存在数据安全风险。为此，针对上述挑战，该文提出一种基于卫星分簇的多智能体联邦深度强化学习路由方法。首先，设计了结合网络拓扑、通信和能耗的低轨卫星通信网络路由模型；然后，基于每颗卫星的平均连接度将星座节点划分为多个簇，在簇内采用联邦深度强化学习框架，通过簇内卫星协同共享模型参数，共同训练对应簇内的全局模型，以最大化网络能量效率。最后，仿真结果表明，该文所设计方法对比Sarsa、MAD2QN和REINFORCE 3种基准方法，网络平均吞吐量分别提高83.7%, 19.8%和14.1%；数据包平均跳数分别减少25.0%, 18.9%和9.1%；网络能量效率分别提升55.6%, 42.9%和45.8%。

关键词：低轨卫星通信, 路由方法, 卫星分簇, 联邦深度强化学习, 能量效率

基金资助：国家自然科学基金(62401066)，北京市自然科学基金(L222004)，北京信息科技大学分类发展“青年骨干教师”支持计划项目(YBT 202420)，北京信息科技大学校科研基金(2024XJJ07)