摘要:
与传统同步轨道通信卫星(GEO)相比,以SpaceX、Starlink、O3b等为代表的新一代中低轨卫星互联网星座具备广域覆盖、全时空互联、多星协同等显著优势,已成为当今世界各国研究的焦点之一。传统卫星资源调度方法主要研究单颗GEO卫星下的资源调度问题,难以满足以多星协同、联合组网、海量用户为特征的低轨卫星星座的资源调度需求。为此,构建了基于用户满意度的多星协同智能资源调度模型,提出了一种基于强化学习的卫星网络资源调度机制IRSUP。IRSUP针对用户服务定制的个性化需求,设计了用户服务偏好智能优化模块;针对多星资源联合优化难题,设计了基于强化学习的智能调度模块。模拟仿真结果表明:IRSUP能有效提高资源调度合理性、链路资源利用率和用户满意度等指标,其中业务容量提升30%~60%,用户满意度提升一倍以上。
周碧莹1,王爱平1,费长江2,虞万荣2,赵宝康2. 基于强化学习的卫星网络资源调度机制[J]. 计算机工程与科学.
ZHOU Bi-ying1,WANG Ai-ping1,FEI Chang-jiang2,YU Wan-rong2,ZHAO Bao-kang2.
A satellite network resource scheduling
mechanism based on reinforcement learning
[J]. Computer Engineering & Science.