基于深度强化学习的空天地网络拥塞控制方法

本发明公开了一种基于深度强化学习的空天地网络拥塞控制方法，包括获取目标空天地网络的数据信息；设定优化目标并进行建模；对决策过程的状态空间、动作空间和奖励函数进行设置；构建决策过程的状态预测模块、奖励再分配模块和优化策略模块；根据构建的模块进行基于深度强化学习的空天地网络的拥塞控制。本发明通过获取多个目标空天地网络的数据信息的数据信息，并基于状态空间、动作空间和奖励函数的设置，以及状态预测、奖励再分配和优化策略的实现，不仅实现了基于深度强化学习的空天地网络的拥塞控制，而且可靠性更高，精确性更好，效果也更好。