一种基于元强化学习的星地融合网络路由方法及系统

本发明涉及卫星网络通信技术领域，提供一种基于元强化学习的星地融合网络路由方法及系统，包括利用STK工具包构建并生成网络拓扑结构；创建存储训练样本的多任务经验池；定义确定最优路由的评价指标，并根据马尔科夫决策过程构建星地融合网络的状态空间、动作空间和奖励函数；在线神经网络确定当前状态Q值，在目标神经网络中Bellman方程更新状态Q值，采用经验回放和贪婪搜索方法进行训练并选择对应的智能体动作；初始化更新频率和更新步数，通过在多个网络结构并行训练实现最优路由策略。适用于星地融合网络中多任务应用环境，经过较少训练在新网络环境中实现最优的路由策略，合理利用网络资源，解决现有强化学习方法训练速度慢、多环境适应性问题。