一种基于强化学习的空地协同网络拓扑鲁棒性建模方法技术

基于强化学习的空地协同网络拓扑鲁棒性建模方法，步骤如下：集中管控空中和地面的所有网络节点；通过有线链路构建完整地面网络；确定空中无人机节点的通信容量和通信距离，并确定每架无人机的可通信范围内的所有地面和空中节点集合；应用强化学习方法，确定状态集、动作集、反馈函数这些相关参数；设定算法迭代次数，在空中无人机节点未发生较大位置变化的时隙内，进行算法训练，完成网络拓扑模型构建；当空中无人机节点发生较大位置变化时，重复执行步骤6，重新建立更新后的网络拓扑模型。本发明专利技术能够提高空地协同网络拓扑的构建动态性、稳定性，提升鲁棒性和抗毁性，适用于高速运动无人机的空地协同网络场景。

【技术实现步骤摘要】

本专利技术属于天地一体化信息网络虚拟化和机器学习领域，具体涉及一种基于强化学习的空地协同网络拓扑鲁棒性建模方法。

技术介绍

1、随着无人机技术、卫星通信和地面移动网络的迅猛发展，天地一体化网络(air-ground integrated networks,agin)在多种应用场景中展现出巨大的潜力，包括紧急救援、灾害监测、空中作战等，agin通过将地面通信网络与空中通信网络有效融合，实现信息的无缝传输和共享，提供更广泛的覆盖范围和更高的网络可靠性，对于提升通信服务质量和满足现代社会对高速、稳定网络连接的需求具有重要意义。

2、但现有网络技术在天、地各领域发展情况不一，且网络结构差异较大，面临无人机网络覆盖面广、移动性高，拓扑时变性强但资源受限，地面网络资源丰富但覆盖范围小、移动性差等网络僵化问题，这些特点使得agin在拓扑设计和维护中面临一系列关键问题，如网络拓扑的动态变化对通信可靠性的影响、不同层级之间的协调与优化、以及网络的鲁棒性与稳定性等。因此，构建一种有效的拓扑鲁棒性建模方法，以提高agin在复杂环境中的适应能力，是当前面临的主要挑战之本文档来自技高网...

【技术保护点】

1.一种基于强化学习的空地协同网络拓扑鲁棒性建模方法，其特征在于，具体包括以下步骤：

2.如权利要求1所述的基于强化学习的空地协同网络拓扑鲁棒性建模方法，其特征在于，步骤S2中，在空地协同网络中，定义物理网络G＝{Vg,Vs,Egg,Egs,Ess}，其中Vg代表地面节点集合，表示为Vg＝{Vc,Vr}，其中Vc代表地面指控中心集合，Vr代表地面通信中继集合，Vs代表空中无人机节点集合；Egg代表地面链路集合，表示为Egg＝{Ecr,Err}，其中Ecr代表所有地面指控中心与地面通信中继间建立的有线链路集合、Err代表任意两个地面通信中继间建立的有线链路集合；Egs代表所有地...

【技术特征摘要】

1.一种基于强化学习的空地协同网络拓扑鲁棒性建模方法，其特征在于，具体包括以下步骤：

2.如权利要求1所述的基于强化学习的空地协同网络拓扑鲁棒性建模方法，其特征在于，步骤s2中，在空地协同网络中，定义物理网络g＝{vg,vs,egg,egs,ess}，其中vg代表地面节点集合，表示为vg＝{vc,vr}，其中vc代表地面指控中心集合，vr代表地面通信中继集合，vs代表空中无人机节点集合；egg代表地面链路集合，表示为egg＝{ecr,err}，其中ecr代表所有地面指控中心与地面通信中继间建立的有线链路集合、err代表任意两个地面通信中继间建立的有线链路集合；egs代表所有地面通信中继与空中无人机间建立的无线通信链路集合；ess代表空中无人机与无人机间的无线通信链路；其中，vg、vs、egg均为静态集合，egs、ess为动态集合，集合元素根据与无人机相连的无线通信链路进行实时更新。

3.如权利要求1所述的基于强化学习的空地协同网络拓扑鲁棒性建模方法，其特征在于，步骤s3中，假设每架无人机的相关参数均相同，通信距离表示为r，即无人机只能够与以自身为球心，以r为半径的球体内的其他节点间建立无线通信链路，由于无人机b和地面通信中继e不在无人机a的通信范围内，因此无人机a只能够与无人机c、地面通信中继d之间建立无线通信链路；通信容量表示为m，即每架无人机最多可与m个无人机及地面通信中继间建立无线通信链路。

4.如权利要求2所述的基于强...

【专利技术属性】
技术研发人员：王珂，李勇军，王翔，梁江楠，张凤磊，张凯，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：