基于链路质量与节点负载估计的Q学习UANET路由协议

【摘  要】针对无人机自组网（UANET）网络拓扑变化频繁，传统路由协议建立链路的稳定性较差，而导致的链路断裂、高负载情况下的业务丢失等问题，提出了基于链路质量与节点负载估计的Q学习UANET路由协议，该协议在最优链路状态路由（OLSR）协议的基础上，使用Q-learning算法，将跳数、链路质量和节点负载作为路由决策的奖励函数，以加权的综合评价指标作为路由的决策准则。实验结果表明，改进后的协议更加适用于无人机自组网中高动态、高负载的网络环境。

【关键词】无人机自组网；路由协议；OLSR；Q-Learning

0   引言

移动自组网（Mobile Ad Hoc Networks，MANET）是一种自组织、无中心、多跳传输的无线网络，与传统中心控制的无线网络相比，移动自组网不依赖任何中央基础设施，可以实现低成本，快速的网络部署，同时也便于扩展和维护，近年来得到了广泛的应用[1-2]。无人机自组网（Unmanned Aerial Vehicles Ad Hoc Networks, UANET）是MANET在无人机领域的扩展应用，有动态性高、链路长、资源有限、数据交互频繁的特点，这给执行任务带来了多样性与灵活性，但也给路由协议的设计带来了很大的挑战[3-5]。

目前，OLSR（Optimized Link State Routing）协议是应用比较广泛的主动式路由协议[6]，相比于以AODV（Ad hoc On-Demand Distance Vector Routing）为代表的被动