近年来,随着智能终端多媒体业务的发展,更多的智能无线设备逐渐融入生活,物联网(Internet of Things,Io T)在未来的通信业务中占据了极其重要的位置,它实现了任何人与物之间随时随地的信息共享与互通。其中机器与机器之间的通信(Machine to Machine,M2M)是物联网中十分重要的一部分。无需人的干预,机器类通信设备(Machine Type Communication Device,MTCD)可以自主完成相互间的数据通信。传统的中继选择方式往往考虑信道情况,可以在达到一定的通信质量的前提下,降低设备及节点转发时的发射功率,从而减少能量的消耗。但由于M2M网络的节点根据附近设备的业务特性具有一定的规律,若有一部分的MTCD之间的通信较为频繁,个别中继节点被选择的次数远超其他节点,导致能量消耗速度大大超过其他节点,造成能耗不均衡。个别节点的寿命将远远小于其他节点,使网络的整体性能下降。如果仅考虑剩余能量,节点能量得到均衡,但是由于距离可能较远,或者信道的情况较差,会增加单次通信的能量消耗,同样会降低网络的整体性能。由此可得,在降低能量消耗与均衡能量消耗这两者中需要找到一个均衡点,来使网络的寿命最大化。针对此问题,本文采取Qo E指标作为业务质量的评价标准,用于计算中继节点转发的最小能量。用深度值网络(Deep Q Network,DQN)的方法,使系统自主地选择合适的中继节点,在减少能量消耗与能耗均衡中寻找一个平衡点,从而延长整个系统的寿命时间。针对随机性过大,收敛速度慢的问题,提出了在进行动作选择策略之前,加入先验规则,排除部分实际情况中无法实现的中继节点的选择,既不会影响原本的动作选择策略,又通过规则的设定减少了不必要的探索,加快了模型训练的速度。最后,基于场景建模与上述思路,提出了基于深度强化学习的中继节点选择算法的完整流程。此外,本论文对该算法进行了仿真分析。首先利用仿真对算法中的学习因子和折扣因子,以及奖励函数中的权重参数进行了参数优化。然后用优化好的参数模型与传统的中继选择算法进行对比分析。仿真结果表明,本文提出的基于DQN的中继节点选择算法综合考虑了能量消耗与能量均衡,在系统寿命方面相比传统中继选择算法有显著优势,并可以根据主观需求,对权重参数进行调整。