一种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，通过分布式节点协作与动态服务速率调整，实现快速动态响应与全局资源优化。该方法基于多节点智能体马尔可夫决策过程建模，设计复合奖励函数，并以此驱动策略优化算法训练；框架上采用“集中训练‑分布式执行”框架，在集中训练阶段优化策略网络参数，在分布式执行阶段各节点基于本地观测独立调整各节点服务速率，无需全局通信。针对卫星网络高动态拓扑及资源受限特性，使用MPLS流量工程协议构建标签交换路径，能够动态适配链路容量波动与卫星轨道移动。本发明实现了空天地节点拥塞控制的精准队列控制并显著提升网络的吞吐量，为空天地网络的高效拥塞控制提供了可靠的解决方案。