MaxProp

强化学习优化时延容忍网络的无人机飞行与路由

研究人员开发了一种名为 JUROR 的新方法，通过联合控制无人机（UAV）飞行和机会路由来优化时延容忍网络（DTNs）中的通信。该方法使用强化学习框架，特别是近端策略优化（PPO），通过离散的无人机移动来扩大未来的通信机会。该系统被构建为一个部分可观察的马尔可夫决策过程，允许单个节点进行分布式执行，而集中式评论员在训练期间使用全局统计数据。模拟显示，在各种流量场景下，JUROR 的性能优于 PRoPHET 和 MaxProp 等现有方法。