
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于图引导的多智能体深度Q网络的低轨卫星切换策略
《Scientific Reports》:Graph-guided MADQN based handover strategy for LEO satellite networks
【字体: 大 中 小 】 时间:2026年09月20日 来源:Scientific Reports 4.9
编辑推荐:
摘要在低地球轨道卫星网络中,卫星的高轨道速度导致通信链路频繁切换,从而对用户服务质量和网络资源管理效率产生不利影响。为维持通信连续性,需要一种有效的切换策略。传统切换策略通常基于固定决策规则,难以兼顾切换频率、信号质量和网络负载均衡之间的平衡。基于强化学习的方法虽然能够适应动
在低地球轨道卫星网络中,卫星的高轨道速度导致通信链路频繁切换,从而对用户服务质量和网络资源管理效率产生不利影响。为维持通信连续性,需要一种有效的切换策略。传统切换策略通常基于固定决策规则,难以兼顾切换频率、信号质量和网络负载均衡之间的平衡。基于强化学习的方法虽然能够适应动态网络环境,但由于缺乏先验知识,训练效率较低,且在应用于高维状态空间时容易出现收敛不稳定的问题。针对上述问题,本文提出了一种图引导的多智能体深度Q网络切换策略。首先,利用卫星轨道的可预测性,通过有向图预先计算从当前时刻到通信会话结束的最短切换路径。然后,将这条路径以两种形式——即时建议和基于多步的未来规划信息——编码为智能体的状态空间中的先验引导信息。这使得智能体在决策时能够将当前网络状态与图模型提供的未来路径引导相结合。仿真结果表明,与基线方案相比,本文提出的策略在切换次数、吞吐量和负载均衡方面表现更优。这验证了将图模型引导与多智能体强化学习相结合的有效性。