计算机工程

作者：张然, 高莹雪, 赵钰, 丁元明

单位：1. 大连大学 信息工程学院, 辽宁大连 116622;2. 大连大学 通信与网络重点实验室, 辽宁大连 116622

关键词：多目标优化,信任机制,Q学习,量子计算,蚁群算法,微纳卫星网络

基金：装备发展部领域基金一般项目“微纳目标测控技术”（6140518040210）；装备发展部领域基金一般项目“无人机集群自适应组网技术”（61403110308）。

在微纳卫星网络中，传统蚁群路由算法不能同时保证数据传输的安全性和网络业务的服务质量，且易陷入局部最优解，收敛速度较慢。为解决上述问题，提出一种实现多目标优化的Q学习量子蚁群路由算法。该算法在选择下一跳节点的转移概率时，将路径的平均信任值和路径的费用作为两个优化目标，构成最优路径的节点性能指标，保证数据传输的安全性和网络业务服务质量。在考虑路径费用函数时，将量子计算引入到状态转移概率计算中，避免陷入局部最优解，并在算法中引入Q学习的思想，将信息素映射成Q学习的Q值，强化算法在动态环境中的学习能力，以提高路由的整体性能。仿真结果表明，与蚁群优化算法和改进的蚁群多约束路由算法相比，Q学习量子蚁群路由算法明显改善包投递率、平均端到端时延和节点平均能耗等性能指标，避免了蚁群算法易陷入局部最优解，提高了收敛速度，可适用于具有高速移动节点的微纳卫星网络。

来源：2022年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第3期