学习在车对车(V2V)社交车辆网络中解决受限路径规划问题

《IEEE Open Journal of the Communications Society》:Learn to Solve Constrained Routing Problems in V2V Social Vehicle Networks

【字体: 大 中 小 】 时间:2026年05月08日 来源:IEEE Open Journal of the Communications Society 6.1

编辑推荐:

   摘要:在车辆社交网络(VSN)中,多跳车辆对车辆(V2V)路由需要在满足社交信任预算的同时最小化端到端延迟。这种受信任限制的路由问题可以表述为一个NP难的资源受限最短路径问题(RCSPP),而每条链路的延迟由于全局共信道干扰的不确定性而无法通过分析方法求解。为此,本文提出了一种

  

摘要:

在车辆社交网络(VSN)中,多跳车辆对车辆(V2V)路由需要在满足社交信任预算的同时最小化端到端延迟。这种受信任限制的路由问题可以表述为一个NP难的资源受限最短路径问题(RCSPP),而每条链路的延迟由于全局共信道干扰的不确定性而无法通过分析方法求解。为此,本文提出了一种在受限马尔可夫决策过程(CMDP)框架内的主动不可行性剪枝(PIP)机制。PIP根据当前的最短路径信息构建一个与预算一致的行动掩码,从而保证任何遵循该掩码的策略都能生成符合信任要求的路径。这一保证的实际条件满足率与精确标签设置(LS)算法的可行性上限在整个信任预算范围内相差不超过0.8个百分点。图神经网络延迟替代模型通过局部观测数据学习包含干扰在内的总延迟。在中国武汉光谷进行的系统级实验表明,所提出的方法接近了路由的可行性上限,并且与仅使用局部单跳信息的深度强化学习基线相比,能够多传输5.3倍的数据包。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号