基于Q-learning算法的无人机自组网AODV稳定路由改进方法

针对小型无人机集群组网中节点高速移动、网络拓扑变化剧烈导致的网络性能下降问题，在无线自组网按需平面距离向量（AODV）协议基础上，提出一种具有链路稳定度意识的无人机自组网路由协议（LN-AODV）。首先，通过加权计算链路维持时间和邻居节点变化度，从而选择稳定路径，解决拓扑结构动态变化条件下数据传输延迟和数据成功投递率下降的难题；然后，结合Q-learning算法自适应调整Hello消息的发送周期，使协议能够通过感知拓扑变化程度调整路由控制开销和拓扑感知灵敏度。仿真结果表明，相比于AODV，所提方法在端到端延迟、分组投递率、路由开销和数据吞吐量4个网络性能指标上分别提升7.56%,2.58%,17.39%,2.62%，可适应于节点高速运动的无人机自组网，对于无线自组网理论研究及拓展应用具有重要的借鉴意义。