基于多Agent强化学习的Ad hoc网络跨层拥塞控制策略

摘要

该文首先证明基于MAC层竞争造成的网络拥塞模型中存在纳什均衡点.其次,基于WOLF-PHC学习策略提出了一种跨层拥塞控制(WCS)机制.它在路由层中选择一对去耦合节点作为转发节点,同时在MAC层对源节点的发送数据进行分流,从而提高链路的空间重用性.仿真结果表明:在不需要交互任何信息的情况下,通过节点之间的相互博弈以后,采用WOLF-PHC算法能够找到每个节点的最佳分流概率进而使整体网络吞吐量达到最大值;同时当外界环境发生改变时,该算法能够较快地找到新的最佳分流概率从而实现对环境的自适应能力.