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！

龙图腾网获悉武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所)申请的专利基于深度强化学习的移动自组网路由优化方法及装置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：CN117061411B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202311028697.9，技术领域涉及：H04L45/02；该发明授权基于深度强化学习的移动自组网路由优化方法及装置是由黄林;袁林锋;朱平杰;黄治华;张旻旻;童永霞;匡文娟;罗帆设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本基于深度强化学习的移动自组网路由优化方法及装置在说明书摘要公布了：本发明提供一种基于深度强化学习的移动自组网路由优化方法及装置，属于无线通信网络技术领域，所述方法包括：获取当前节点的特征信息；对所述特征信息进行处理，将路由决策问题转化为马尔科夫决策过程，以确定状态空间、动作空间、转移概率以及奖励函数；所述状态空间中包括当前节点的状态信息；将当前节点的状态信息输入预设的深度强化学习模型，输出当前节点对应的Q值；所述深度强化学习模型是基于深度强化学习网络算法DuelingDQN建立的；根据当前节点的Q值，确定当前节点的下一跳节点，以进行路由决策。本发明提供的路由优化方法，应用深度强化学习算法实现了更加准确的路由决策，加快了强化学习的收敛速度，提升了路由决策的效率。

本发明授权基于深度强化学习的移动自组网路由优化方法及装置在权利要求书中公布了：1.一种基于深度强化学习的移动自组网路由优化方法，所述移动自组网包括多个节点，其特征在于，包括： 获取当前节点的特征信息； 对所述特征信息进行处理，将路由决策问题转化为马尔科夫决策过程，以确定状态空间、动作空间、转移概率以及奖励函数；所述状态空间中包括当前节点的状态信息； 将当前节点的状态信息输入预设的深度强化学习模型，输出当前节点对应的Q值；所述深度强化学习模型是基于深度强化学习网络算法DuelingDQN建立的； 根据当前节点的Q值，确定当前节点的下一跳节点，以进行路由决策； 其中，所述状态空间S＝{s1,s2,s3,…sN}；当前节点的状态信息表示为： 其中，di,j是当前节点i和候选转发节点j之间的距离，dj,d是候选转发节点j和目的节点d之间的距离；表示预测的两跳相邻节点与e个区域的目的节点之间的最小距离，LQi,j为节点i与节点j之间的链路质量； 利用特征DIRi,d来学习能避免选择距离目的节点较远的候选转发节点，其中表示候选转发节点j的速度矢量,ll为最后一跳转发节点的位置，是节点l到目的节点d的向量；如果0DIRi,d1，候选转发节点j接近节点d；-1DIRi,d0，j远离目的节点； 为在当前时刻的候选转发节点j的数据包总等待时间；Nbri表示节点i通信范围内相邻节点集；dsum越小，表示路由虚空缓解的概率越大，li、ld和lj分别为节点i、目的节点d和候选转发节点j的位置； 动作空间为当前节点i通信范围内的邻居节点的集合，n为邻居代理的总数； 转移概率表征了当前状态发生动作后转移到下一状态的概率； 奖励函数用于提高路由决策的决策效率； 其中，在当前Q网络的训练阶段，根据当前节点的Q值，确定当前节点的下一跳节点，包括： 采用改进的上置信度策略选择当前节点的下一跳节点；所述上置信度策略的表达式为： 其中，表示在固定时间内访问状态si的次数，表示在固定时间内选择某节点为状态si的候选转发节点第y大的次数，Qisi,ai表示当前节点i对应的Q值，Ai为当前节点i的动作集。

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武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所)，其通讯地址为：430205 湖北省武汉市江夏区藏龙大道3号722所；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。