数字技术与应用杂志社

摘要：<正>随着5G移动通信的飞速发展，多跳链路被广泛采用，但其负载均衡问题成为影响网络性能的关键挑战。本文提出基于深度强化学习的5G通信多跳链路负载均衡控制方法，该方法结合深度Q网络（DQN）算法，通过智能决策机制，实时感知网络状态，包括链路负载、信道质量和节点能量等，设计奖励函数以指导智能体学习最优策略，并采用NS-3仿真平台构建高负载、能量受限的5G多跳链路网络进行验证。结果表明，与传统轮询法、最小负载优先法等方法相比，该方法在网络吞吐量上提高15%，端到端延迟降低20%，丢包率减少25%，能量效率提升10%，为5G通信多跳链路负载均衡提供了有效方案。

专辑： 信息科技

专题： 电信技术

分类号： TN929.5