[发明专利]一种基于深度强化学习算法的移动sink路径规划方法

摘要

本发明公开一种基于深度强化学习算法的移动sink路径规划方法，利用深度强化学习的方法来完成移动sink的路径规划，将栅格化的网络状态映射为RGB图像输入到深度卷积神经网络中，通过训练不断更新网络参数。在实际应用过程中，只需将实际的网络状态输入到训练好的神经网络中，即可得到sink的最佳行走路径。本发明方法能够综合考虑无线传感器网络的数据时延要求及网络能耗，相比于传统的无线传感器网络，该发明能够有效均衡网络能耗，同时提高能量效率。将网络状态进行栅格化处理，降低了网络状态的复杂度。

主权项

1.一种基于深度强化学习算法的移动sink路径规划方法，其特征在于，包含以下步骤：步骤1：将无线传感器网络区域近似为一个正方形区域，并做栅格化处理，形成N◇N个大小相等的正方形栅格；步骤2：无线传感器节点随机散布在网络区域内，每个栅格内随机分布有预设数量的传感器节点，并且假设每个栅格内传感器节点携带的数据类型相同；步骤3：在每个栅格内选举出一个汇聚节点，sink收集所在栅格内汇聚节点的数据；步骤4：根据每个栅格内数据的时延要求及网络能效对栅格内数据进行优先级划分；步骤5：将栅格化的网络模型映射为一个RGB图像，不同的颜色代表不同的优先级；步骤6：将RGB图像作为状态输入到深度卷积神经网络中；步骤7：将网络状态映射为RGB图像后输入到训练好的网络中，得到sink的最优路径。