终检评审通过 创新训练 520计算机科学技术 智能制造国家级

随着无线网络的发展，无线网络中的路由方法成为了热点研究方向。对于传统路由协议，其算法可能会受到流量负载不均衡和网络性能下降的影响，容易出现拥塞的现象，而传统路由协议通常不会借鉴之前路由的相关经验，因此有必要将路由与智能学习的方式结合起来。 为改善传统路由算法的不足，我们将路由与深度强化学习DQN以及神经网络进行结合，通过阅读路由算法文献，总结创新点，并使用TensorFlow框架搭建路由模型进行研究，并发表成果论文。 基于深度强化学习的路由模型，可以通过大量训练找到最短的传输路径，而且在首次发生突发流量等问题造成网络拥塞后，再遇到类似问题时能够第一时间做出正确的选择，大大加快了传输速度，这些是区别于传统路由模型的地方，改善了传统路由的不足之处。 项目预期时间一年，成果SCI/EI论文两篇，研究报告一篇。