多强化学习算法驱动的BATS码批构造策略比较研究
DOI:
https://doi.org/10.6914/tpss.070313Keywords:
BATS码, 强化学习, 多跳网络, 动态优化, 边缘计算Abstract
针对无线多跳网络中BATS码存在的批构造效率低、动态适应性差等问题,本文提出分层强化学习优化框架。通过Tanner图拓扑预训练生成均匀覆盖的批构造策略,设计混合BP-灭活解码算法降低30\%计算复杂度。实验表明:Rainbow-DQN在稳定网络中解码成功率提升25%,PPO在时变信道下性能波动降低40%,DDPG在边缘设备实现15ms级低延迟推理。本方案在NS-3仿真中达到90.1%的传输可靠性,为5G/6G网络提供高效工程实现路径。
Downloads
Published
Issue
Section
License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.