一种基于深度强化学习的分布式负载均衡卫星路由方法

    公开(公告)号:CN117041132B

    公开(公告)日:2023-12-08

    申请号:CN202311292725.8

    申请日:2023-10-08

    摘要: 本申请涉及一种基于深度强化学习的分布式负载均衡卫星路由方法,一方面通过感知邻居卫星节点的数据缓存队列负载情况,得到邻居卫星节点的队列占用率和队列状态标识;一方面将邻居节点与目的节点的地理距离因子和拓扑距离因子结合起来用于衡量两者的接近程度,得到的拓扑‑地理距离因子能够更好地反映处于同半球或不同半球的卫星节点之间的接近程度,可以作为卫星网络路由良好的驱动因子加快路由算法收敛,从而使得通信数据流在路由转发过程中既能够在低负载情况下按照最短传播距离的路径进行传播,又能够及时绕开高负载的节点,从而尽可能减小节点拥塞情况,实现数据流量传输的负载均衡,减小网络丢包率并提高吞吐量。

    一种基于深度强化学习的分布式负载均衡卫星路由方法

    公开(公告)号:CN117041132A

    公开(公告)日:2023-11-10

    申请号:CN202311292725.8

    申请日:2023-10-08

    摘要: 本申请涉及一种基于深度强化学习的分布式负载均衡卫星路由方法,一方面通过感知邻居卫星节点的数据缓存队列负载情况,得到邻居卫星节点的队列占用率和队列状态标识;一方面将邻居节点与目的节点的地理距离因子和拓扑距离因子结合起来用于衡量两者的接近程度,得到的拓扑‑地理距离因子能够更好地反映处于同半球或不同半球的卫星节点之间的接近程度,可以作为卫星网络路由良好的驱动因子加快路由算法收敛,从而使得通信数据流在路由转发过程中既能够在低负载情况下按照最短传播距离的路径进行传播,又能够及时绕开高负载的节点,从而尽可能减小节点拥塞情况,实现数据流量传输的负载均衡,减小网络丢包率并提高吞吐量。