基于函数逼近的强化学习FANET路由优化算法
来源：计算机工程杂志2021年第11期北京时间：
作者：谢勇盛, 杨余旺, 邱修林, 王吟吟
单位：南京理工大学 计算机科学与工程学院, 南京 210094
摘要：针对高速移动状态下的飞行自组网路由协议链路维护困难问题，提出一种基于强化学习的自适应链路状态路由优化算法QLA-OLSR。借鉴强化学习中的Q学习算法，通过感知动态环境下节点邻居数量变化和业务负载程度，构建价值函数求解最优HELLO时隙，提高节点链路发现与维护能力。利用优化Kanerva编码算法的状态相似度机制，降低QLA-OLSR算法复杂度并增强稳定性。仿真结果表明，QLA-OLSR算法能有效提升网络吞吐量，减少路由维护开销，且具有自学习特性，适用于高动态环境下的飞行自组网。
关键词：飞行自组网,函数逼近,Q学习,路由算法,自适应HELLO时隙
基金资助：江苏省重点研发计划（BE2018393）；苏州市重点产业技术创新项目（SYG201826）。
