bti体育

本文提出了一种基于深度强化学习的智能服务质量（QoS）优化算法（DRLIQ），，，用于提高车载自组织网络（VANETs）中的路由效率。。特殊是在没有路边单位（RSU）的情形中，，，该算法通过动态学习和顺应网络转变，，，智能选择最优数据传输路径，，，有用镌汰通讯中止和延迟，，，提高数据传输的准确性。。

实验效果批注，，，DRLIQ算法在镌汰通讯中止、、比特过失率（BER）和网络延迟方面优于现有的热门算法，，，尤其是在高车流密度的情形下体现突出。。别的，，，该算法还展示了应对网络拓扑转变和车辆动态的高顺应性和稳固性。。

本文的主要孝顺包括
：
：：

1.提出了一种适用于无RSU情形的深度强化学习路由决议算法，，，能够动态调解路由战略，，，实现路由决议的智能化和效率优化。。

2.集成了多维度的网络性能指标，，，如通讯中止概率、、网络负载、、传输速率和误码率，，，优化了这些指标，，，从而提供多维优化的智能路由方案。。

3.实验评估显示，，，在RSU缺失的高动态情形中，，，DRLIQ算法显著降低了网络延迟和通讯中止次数，，，同时镌汰了比特过失率，，，证实其在重大车辆网络情形中的有用性。。

此研究为智能交通系统（ITS）中的VANETs提供了高效的路由解决方案，，，具有普遍的应用远景。。

本论文为2019年广东省通俗高校特色立异类项目《基于深度学习的车载自组织网络自顺应路由手艺（2019KTSCX237）》资助的研究效果。。

（图文/人工智能学院 责任编辑/刘育静）