论文部分内容阅读
无人机路由技术是无人机技术研究领域的一个难点之一。而大多数经典的自组织网络路由协议例如AODV（Ad-hoc On-demand Distance Vector,AODV）路由协议、DSR（Dynamic Source Routing,DSR）路由协议都无法适用于无人机网络中的路由。经研究表明,GPSR（Greedy Perimeter Stateless Routing,GPSR）路由协议是适用于无人机路由技术的较为合适的一种路由协议。但是GPSR技术存在着路由空洞与无法进行负载均衡的缺陷。当使用GPSR路由协议出现路由空洞时可采用泛洪路由机制进行更优中继节点的寻路,但是也会因此增加数据分组传输时延,以及使得网络中的负载过高从而可能会导致网络的拥塞。鉴于以上技术难点,本学位论文以无人机自组织网络中的路由协议为研究目标,首先提出了无人机自组网GPSR路由协议,该路由协议对原有的GPSR路由协议的路由机制做出了改进,使其出现路由空洞时可避免采用泛洪寻路机制。然后以该路由协议为基础,设计了优化的无人机自组织网络中的路由协议,从而实现了在无人机自组织网络路由场景中,具有较高的数据分组到达率和较低的数据分组传输时延的路由协议。具体的研究工作为以下三个方面:（1）基于混沌模拟退火算法的GPSR路由协议在所提出的无人机自组网GPSR路由协议的基础上设计了基于混沌模拟退火算法的GPSR路由协议,该协议综合考虑寻路时的多种因素并计算出了寻路时的最优贪婪选择函数并能够有效避免路由空洞的问题从而降低网络的数据分组传输时延。仿真实验结果表明基于混沌模拟退火算法的GPSR路由协议能够有效避免路由空洞的发生,实现端到端一次性路由并有效减少数据分组传输时延。（2）基于深度强化学习的流量均衡路由协议由于基于混沌模拟退火算法的GPSR路由协议并不具有流量均衡的能力,亦即基于混沌模拟退火算法的GPSR路由协议只能寻路出固定的路由路径,而出现多条路由寻路冲突时无法根据网络的负载变化自适应地改变路由策略,从而使得网络出现较大程度的拥塞并出现大量的排队阻塞以及大量的丢包。针对此问题设计了基于深度强化学习的流量均衡路由协议,实验结果表明该路由协议能够有效地在网络负载较大的情况下进行流量均衡,从而提高数据分组到达率以及降低数据分组传输时延。（3）无人机自组织网络流量自适应路由协议由于基于深度强化学习的流量均衡路由协议,其数据分组到达率仍然具有较大的提升空间并且此路由协议在网络拥塞程度较大时才能表现出不错的性能,而基于混沌模拟退火算法的GPSR路由协议在网络拥塞程度较小时具有较优的最优路径寻路性能。因此设计了无人机自组织网络流量自适应路由协议,其综合了基于混沌模拟退火算法的GPSR路由协议与基于深度强化学习的流量均衡路由协议的优点,其贪婪函数随着负载而发生改变,并采用混沌模拟退火算法对此路由协议进行最优参数的搜索,从而较大程度地提升了数据分组到达率以及降低了数据分组传输时延。