买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于数字孪生的大规模卫星网络路由仿真及优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119967529B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510050271.6，技术领域涉及：H04W40/02；该发明授权基于数字孪生的大规模卫星网络路由仿真及优化方法是由白卫岗;傅笑尘;刘俊宇;盛敏;李建东;周笛设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本基于数字孪生的大规模卫星网络路由仿真及优化方法在说明书摘要公布了：本发明公开了一种基于数字孪生的大规模卫星网络路由仿真及优化方法，主要解决现有大规模卫星网络路由仅以当前网络状态预测未来流量，导致路由决策滞后的问题。其实现方案是：在真实低轨卫星网络中通过中轨卫星测量低轨卫星网络的拓扑和链路负载信息；收集测量信息并利用其构造孪生空间的状态信息；在孪生空间中采取深度DQN网络模型，并以星间拓扑、链路负载为状态空间，以链路负载、时延、跳数为优化目标，为卫星网络的所有节点对计算最优路径并对其进行验证；将验证通过后的DQN网络模型同步至真实网络中，中轨卫星基于该同步的网络模型为当前真实低轨卫星网络的流量输出最优路径进行路由。本发明能有效避免错误路径对真实网络的影响，提高整网的吞吐量，可用于路由决策。

本发明授权基于数字孪生的大规模卫星网络路由仿真及优化方法在权利要求书中公布了：1.一种基于数字孪生的大规模卫星网络路由仿真及优化方法，其特征在于，包括如下步骤： 1通过中轨卫星获取真实低轨卫星网络的拓扑和链路负载的状态信息，利用该网络的状态信息构建真实低轨卫星网络的孪生空间的星间链路和流量分布； 2在孪生空间中采取DQN算法的网络模型，以跳数、时延、负载这三个指标为低轨卫星网络的所有源节点和目的节点组成的节点对进行最优路径的选取，实现步骤包括如下： 2a初始化孪生空间中深度Q学习模型DQN中的训练网络和目标网络参数，其包括当前时刻下的网络环境状态集合st、动作集合at、奖励rt、探索率ε，并设循环遍历训练轮次episode＝1,2,...,n，该st包括传输时延、跳数和链路负载，n为设置的最高训练轮数； 2b将状态集合st和探索率ε输入到DQN模型，中轨卫星作为DQN模型的智能体根据设置的随机数为当前输入的状态集合st选取动作集合at： 如果设置的随机数小于探索率ε，则智能体选择随机动作作为动作集合at； 否则，选择DQN网络输出所有Q值中最大的动作作为动作集合at并由训练网络输出； 2c根据训练网络输出的动作集合at为所有源节点和目的节点组成的节点对在孪生网络中选取路径； 2d在孪生网络中运行选取好的路径，获取下一时刻状态集合st'，并将本轮产生的集合st,at,rt,st'放入DQN网络中的经验回放池； 2e训练网络从经验回放池中随机抽取1个样本更新目标网络参数，并提供相对稳定的Q值，以避免DQN算法的过估计； 2f重复步骤2b-步骤2e，直至训练轮次episode＝1,2,...,n结束，执行步骤2g； 2g收集训练轮次结束时孪生网络的传输时延、跳数和链路负载，并将其作为状态集合st输入到DQN目标网络中，由目标网络输出动作集合at，即所有源节点和目的节点组成节点对的最优路径； 3以综合评估指标CRE为基准在孪生空间对选取的最优路径进行验证，同时更新DQN算法的网络模型，再将网络模型同步至中轨卫星；所述综合评估指标CRE，根据下式计算得到： 其中，dij'代表节点i到节点j按选取的最优路径计算出的跳数，lij'代表节点i到节点j在选取的最优路径上计算出的链路负载之和，pij'代表节点i到节点j按选取的最优路径计算出的传输时延，i代表源节点，j代表目的节点； 4中轨卫星接收来自孪生空间的网络模型，基于该网络模型为当前流量输出最优路径并生成路由表，将生成的路由表下发至真实低轨卫星网络，通过路由表中记录的最优路径进行路由。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。