综述:以决策为中心的移动自组网学习路由综述

《Electronics》:A Decision-Centered Survey of Machine Learning for Routing in Ad Hoc Networks: MANETs, VANETs, and FANETs

【字体: 大 中 小 】 时间:2026年09月26日 来源:Electronics 2.9

编辑推荐:

   摘要 机器学习正在快速改变移动自组网(MANETs)、车载自组网(VANETs)和飞行自组网(FANETs)中的路由研究。然而,由于各项研究在不一致的仿真环境中聚焦于各不相同的目标,跨研究的比较仍然十分困难。现有的综述通常按算法族进行分类组织,涵盖Q学习、深度Q网络、卷积

  

摘要

机器学习正在快速改变移动自组网(MANETs)、车载自组网(VANETs)和飞行自组网(FANETs)中的路由研究。然而,由于各项研究在不一致的仿真环境中聚焦于各不相同的目标,跨研究的比较仍然十分困难。现有的综述通常按算法族进行分类组织,涵盖Q学习、深度Q网络、卷积网络与图网络以及多智能体强化学习等。因此,这类综述虽然能清楚地讨论某篇论文所采用的模型,却模糊了真正的研究对象:同一种算法可能作用于路由决策的多个环节,也可能替代AODV或GPSR等协议。然而,由此自然产生了两个问题:一种设计如何改变路由决策?又采用哪种学习方法来实现这种改变?本综述以路由决策本身为核心焦点,将车载网络、无人机群和MANET研究统一在一个以决策为中心的框架下。在该框架下,我们从五个维度对92篇基于学习的路由论文进行了综述:(1)学习者的角色与决策权限,(2)其所消费的网络状态表示,(3)其信息视野,(4)其时间视野——当前状态与预测的未来状态,以及(5)其策略的组织方式与协调机制。我们提供了一张演化图谱、对语料库中全部92篇论文的分类、一份面向机制的权衡比较分析,以及一个聚焦于37篇论文的分析核心的评估审计。在该核心范围内,已有结果基于碎片化的仿真环境和自选的基线:尽管机制可以改善性能,但这些性能提升的幅度仍然不确定。本综述以一系列开放挑战作为结尾,呼吁围绕泛化能力、预测可靠性、安全性、可复现的评估以及可部署性,而非增量式的分组交付增益,重新审视基于学习的路由研究。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号