开云优惠体育网页版入口

专利名称：一种基于临时通讯网络的通信系统及其方法

专利类型：发明专利

专利申请号：CN202410932051.1

专利申请（专利权）人：国网甘肃省电力公司白银供电公司
权利人地址：甘肃省白银市白银区人民路6号

专利发明（设计）人：发明人:尚教会,王程,陈振勇,付智鑫,王磊,焦志强,王卫萍,周龙,张乐祯,裴倩雯,赵霞,王自强,王震龙,王松涛

专利摘要：本发明涉及无线通讯技术领域，具体公开了一种基于临时通讯网络的通信系统及其方法，其中系统包括位置获取模块、节点拓扑模块、强化学习模块和通信控制模块，其先获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标，然后建立节点拓扑图，再根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，并控制每个临时通讯节点向临时通讯基站发送数据。相比于现有技术，本发明一方面实现临时通讯网络的状态描述，另一方面在节点拓扑图的基础上，进一步利用强化学习分析出每个临时通讯节点向临时通讯基站转发数据的最优路径，解决了现有技术的问题。并且该过程全程可通过机器自学习完成，无需人工理清并输入临时通讯网络的拓扑结果，具备很好的应用前景。

主权利要求：
1.一种基于临时通讯网络的通信系统，其特征在于，包括多个临时通讯节点和临时通讯基站，所述基于临时通讯网络的通信系统还包括：位置获取模块，用于获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标；
节点拓扑模块，用于获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，其中，节点拓扑图中的节点分别对应临时通讯节点和临时通讯基站，节点拓扑图中的边表征不同节点之间的数据转发关系；
强化学习模块，用于根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，最优Q矩阵用于决策每个临时通讯节点向临时通讯基站转发数据时的转发路径；
通信控制模块，用于基于最优Q矩阵控制每个临时通讯节点向临时通讯基站发送数据；
所述获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，包括：根据每个临时通讯节点的位置坐标，两两计算每两个临时通讯节点的距离，得到距离集合；
计算距离集合中小于预设最佳无线通讯距离的距离占比，得到第一比例值；
若第一比例值超过预设比例阈值，则以临时通讯节点的位置坐标及临时通讯基站为图节点，基于距离集合中小于预设最佳无线通讯距离的距离，建立节点拓扑图；
所述根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，包括：步骤一：基于节点拓扑图，建立初始Q矩阵，以到达临时通讯基站对应的节点作为目标状态，其中，初始Q矩阵的横坐标分别对应每个节点拓扑图中的节点，用于表征一个状态，初始Q矩阵的纵坐标也分别对应每个节点拓扑图中的节点，用于表征一个动作；
步骤二：基于初始Q矩阵随机选择一个状态作为当前状态；
步骤三：基于当前状态，根据预设选择规则确定一个动作，得到目标动作；
步骤四：根据目标动作在初始Q矩阵中对应的元素值，得到目标奖励值；
步骤五：根据目标奖励值更新初始Q矩阵，并根据目标动作更新当前状态；
步骤六：重复步骤三?步骤五，直至当前状态为目标状态；
步骤七：重复步骤二?步骤六，将最后更新的初始Q矩阵作为最优Q矩阵。
2.根据权利要求1所述的基于临时通讯网络的通信系统，其特征在于，所述以临时通讯节点的位置坐标及临时通讯基站为图节点，基于距离集合中小于预设最佳无线通讯距离的距离，建立节点拓扑图，包括：分别为每个临时通讯节点和临时通讯基站建立对应的图节点；
判断每两个图节点在距离集合中对应的距离是否小于预设最佳无线通讯距离，若是，则在对应的距离小于预设最佳无线通讯距离的两个图节点之间建立一条边，最终得到节点拓扑图。
3.根据权利要求1所述的基于临时通讯网络的通信系统，其特征在于，所述预设比例阈值满足如下条件：；
其中，Tpre为预设比例阈值，n为多个临时通讯节点和临时通讯基站的总数。
4.根据权利要求1所述的基于临时通讯网络的通信系统，其特征在于，在步骤一中的初始Q矩阵中，若一个元素的横坐标所对应的节点与其纵坐标对应的节点连通，那么该元素值为0，否则该元素为预设奖励值，预设奖励值为负数；达到目标状态的奖励值为正数，达到目标状态的奖励值为预设奖励值的绝对值的n倍，其中n为多个临时通讯节点和临时通讯基站的总数。
5.根据权利要求4所述的基于临时通讯网络的通信系统，其特征在于，所述预设选择规则，包括：获取当前状态在初始Q矩阵中对应的一行元素，得到目标元素；
基于预设贪心率，从目标元素中选择一个非负数，并将该非负数对应的纵坐标所对应的动作作为目标动作。
6.一种基于临时通讯网络的通信方法，应用于如权利要求1?5任一项所述的基于临时通讯网络的通信系统，其特征在于，所述基于临时通讯网络的通信方法包括：获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标；
获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，其中，节点拓扑图中的节点分别对应临时通讯节点和临时通讯基站，节点拓扑图中的边表征不同节点之间的数据转发关系；
根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，最优Q矩阵用于决策每个临时通讯节点向临时通讯基站转发数据时的转发路径；
基于最优Q矩阵控制每个临时通讯节点向临时通讯基站发送数据；
所述获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，包括：根据每个临时通讯节点的位置坐标，两两计算每两个临时通讯节点的距离，得到距离集合；
计算距离集合中小于预设最佳无线通讯距离的距离占比，得到第一比例值；
若第一比例值超过预设比例阈值，则以临时通讯节点的位置坐标及临时通讯基站为图节点，基于距离集合中小于预设最佳无线通讯距离的距离，建立节点拓扑图；
所述根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，包括：步骤一：基于节点拓扑图，建立初始Q矩阵，以到达临时通讯基站对应的节点作为目标状态，其中，初始Q矩阵的横坐标分别对应每个节点拓扑图中的节点，用于表征一个状态，初始Q矩阵的纵坐标也分别对应每个节点拓扑图中的节点，用于表征一个动作；
步骤二：基于初始Q矩阵随机选择一个状态作为当前状态；
步骤三：基于当前状态，根据预设选择规则确定一个动作，得到目标动作；
步骤四：根据目标动作在初始Q矩阵中对应的元素值，得到目标奖励值；
步骤五：根据目标奖励值更新初始Q矩阵，并根据目标动作更新当前状态；
步骤六：重复步骤三?步骤五，直至当前状态为目标状态；
步骤七：重复步骤二?步骤六，将最后更新的初始Q矩阵作为最优Q矩阵。 说明书 : 一种基于临时通讯网络的通信系统及其方法技术领域[0001] 本发明涉及无线通讯技术领域，具体涉及一种基于临时通讯网络的通信系统及其方法。背景技术[0002] 无线临时通讯网络是指一种临时性建立的无线通讯网络，用于在特定场合或区域内实现临时的通讯连接和数据传输。这种网络通常在临时需求较大或现有网络无法满足需求的情况下被建立，例如临时的活动现场、紧急救援场合或大型活动集会等。无线临时通讯网络的特点是灵活快速部署，并能够根据需求扩展或缩减网络规模，为临时性通讯提供便利的解决方案。[0003] 在这种网络中，每个临时通讯节点都扮演着重要的角色，通过收集周围设备的数据并将其转发到临时通讯基站，实现数据的汇总和传输。这种节点到基站的数据传输模式极大地提高了数据传输的效率，确保了信息在网络中的顺畅流动和有效传输。通过这种方式，无线临时通讯网络能够更好地适应临时性需求的变化，提高整体网络的稳定性和可靠性，为临时通讯提供持续支持。[0004] 然而，无线临时通讯网络的实际部署状态具有高度的不确定，在这种随机性下，如何快速确定每个临时通讯节点向临时通讯基站转发数据的路径，则是人们希望解决的一个问题。发明内容[0005] 本发明的目的在于提供一种基于临时通讯网络的通信系统及其方法，解决以下技术问题：[0006] 在无线临时通讯网络中，如何快速确定每个临时通讯节点向临时通讯基站转发数据的路径。[0007] 本发明的目的可以通过以下技术方案实现：[0008] 一种基于临时通讯网络的通信系统，包括多个临时通讯节点和临时通讯基站，所述基于临时通讯网络的通信系统还包括：[0009] 位置获取模块，用于获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标；[0010] 节点拓扑模块，用于获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，其中，节点拓扑图中的节点分别对应临时通讯节点和临时通讯基站，节点拓扑图中的边表征不同节点之间的数据转发关系；[0011] 强化学习模块，用于根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，最优Q矩阵用于决策每个临时通讯节点向临时通讯基站转发数据时的转发路径；[0012] 通信控制模块，用于基于最优Q矩阵控制每个临时通讯节点向临时通讯基站发送数据。[0013] 作为本发明进一步的方案：所述获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，包括：[0014] 根据每个临时通讯节点的位置坐标，两两计算每两个临时通讯节点的距离，得到距离集合；[0015] 计算距离集合中小于预设最佳无线通讯距离的距离占比，得到第一比例值；[0016] 若第一比例值超过预设比例阈值，则以临时通讯节点的位置坐标及临时通讯基站为图节点，基于距离集合中小于预设最佳无线通讯距离的距离，建立节点拓扑图。[0017] 作为本发明进一步的方案：所述以临时通讯节点的位置坐标及临时通讯基站为图节点，基于距离集合中小于预设最佳无线通讯距离的距离，建立节点拓扑图，包括：[0018] 分别为每个临时通讯节点和临时通讯基站建立对应的图节点；[0019] 判断每两个图节点在距离集合中对应的距离是否小于预设最佳无线通讯距离，若是，则在对应的距离小于预设最佳无线通讯距离的两个图节点之间建立一条边，最终得到节点拓扑图。[0020] 作为本发明进一步的方案：所述预设比例阈值满足如下条件：[0021] ；[0022] 其中，Tpre为预设比例阈值，n为多个临时通讯节点和临时通讯基站的总数。[0023] 作为本发明进一步的方案：所述根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，包括：[0024] 步骤一：基于节点拓扑图，建立初始Q矩阵，以到达临时通讯基站对应的节点作为目标状态，其中，初始Q矩阵的横坐标分别对应每个节点拓扑图中的节点，用于表征一个状态，初始Q矩阵的纵坐标也分别对应每个节点拓扑图中的节点，用于表征一个动作；[0025] 步骤二：基于初始Q矩阵随机选择一个状态作为当前状态；[0026] 步骤三：基于当前状态，根据预设选择规则确定一个动作，得到目标动作；[0027] 步骤四：根据目标动作在初始Q矩阵中对应的元素值，得到目标奖励值；[0028] 步骤五：根据目标奖励值更新初始Q矩阵，并根据目标动作更新当前状态；[0029] 步骤六：重复步骤三?步骤五，直至当前状态为目标状态；[0030] 步骤七：重复步骤二?步骤六，将最后更新的初始Q矩阵作为最优Q矩阵。[0031] 作为本发明进一步的方案：在步骤一中的初始Q矩阵中，若一个元素的横坐标所对应的节点与其纵坐标对应的节点连通，那么该元素值为0，否则该元素为预设奖励值，预设奖励值为负数；达到目标状态的奖励值为正数，达到目标状态的奖励值为预设奖励值的绝对值的n倍，其中n为多个临时通讯节点和临时通讯基站的总数。[0032] 作为本发明进一步的方案：所述预设选择规则，包括：[0033] 获取当前状态在初始Q矩阵中对应的一行元素，得到目标元素；[0034] 基于预设贪心率，从目标元素中选择一个非负数，并将该非负数对应的纵坐标所对应的动作作为目标动作。[0035] 本发明还提供一种基于临时通讯网络的通信方法，应用于上述任一项的基于临时通讯网络的通信系统，其特征在于，所述基于临时通讯网络的通信方法包括：[0036] 获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标；[0037] 获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，其中，节点拓扑图中的节点分别对应临时通讯节点和临时通讯基站，节点拓扑图中的边表征不同节点之间的数据转发关系；[0038] 根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，最优Q矩阵用于决策每个临时通讯节点向临时通讯基站转发数据时的转发路径；[0039] 基于最优Q矩阵控制每个临时通讯节点向临时通讯基站发送数据。[0040] 本发明的有益效果：[0041] 本发明提供一种基于临时通讯网络的通信系统及其方法，其中系统包括位置获取模块、节点拓扑模块、强化学习模块和通信控制模块，其先获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标，然后获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，再根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，最后基于最优Q矩阵控制每个临时通讯节点向临时通讯基站发送数据。相比于现有技术，本发明一方面通过预设最佳无线通讯距离，在无线通讯的多个临时通讯节点中虚拟地建立起能够表征最佳无线通讯质量的节点拓扑图，实现临时通讯网络的状态描述，另一方面在节点拓扑图的基础上，进一步利用强化学习，即Q?learning算法分析出每个临时通讯节点向临时通讯基站转发数据的最优路径，解决了现有技术的问题。并且该过程全程可通过机器自学习完成，无需人工理清并输入临时通讯网络的拓扑结果，易用性佳，具备很好的应用前景。附图说明[0042] 下面结合附图对本发明作进一步的说明。[0043] 图1是本发明基于临时通讯网络的通信系统的结构示意图；[0044] 图2是本发明基于临时通讯网络的通信方法的方法流程图。具体实施方式[0045] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。[0046] 请参阅图1所示，本发明为一种基于临时通讯网络的通信系统，其特征在于，包括多个临时通讯节点和临时通讯基站，所述基于临时通讯网络的通信系统还包括：[0047] 位置获取模块110，用于获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标；[0048] 节点拓扑模块120，用于获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，其中，节点拓扑图中的节点分别对应临时通讯节点和临时通讯基站，节点拓扑图中的边表征不同节点之间的数据转发关系；[0049] 强化学习模块130，用于根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，最优Q矩阵用于决策每个临时通讯节点向临时通讯基站转发数据时的转发路径；[0050] 通信控制模块140，用于基于最优Q矩阵控制每个临时通讯节点向临时通讯基站发送数据。[0051] 在临时通讯网络中，临时通讯节点和临时通讯基站可以采用不同类型的设备来实现其功能。临时通讯节点通常是指便携式的无线通讯设备，例如智能手机、平板电脑或移动通讯设备，其具有接收、处理和传输数据的能力。这些设备可以通过内置的无线通讯模块，如Wi?Fi、蓝牙或移动网络，与其他节点进行通讯和数据交换，起到数据收集和传输的作用。而临时通讯基站则通常是指具备更强大信号覆盖和数据处理能力的设备，如无线路由器、中继器或专用的通讯基站设备。临时通讯基站负责接收来自各个临时通讯节点的数据，对数据进行汇总处理，并将其传输到目标设备或其他网络中。通过区别功能和性能上的差异，临时通讯节点和临时通讯基站共同构成了临时通讯网络的基础设施，实现了数据的有效传输和网络的协同运作。[0052] 此外，上述过程中最佳无线通讯距离为预先知晓的参数，表示多个临时通讯节点之间较为稳定可达的一个通讯距离，其可以根据实际应用场景中的设备型号以及信号传输方式等信息获知。[0053] 此外，上述过程中的Q?learning算法是一种强化学习算法，旨在让智能体通过与环境交互学习最优策略来实现目标。该算法基于Q值函数，即状态?动作对的值函数，用于表示在特定状态下执行特定动作所能获得的累积奖励。Q?learning通过不断更新Q值来逐步优化智能体的行为策略，使其能够在环境中找到最优的策略以获得最大的累积奖励。在每次与环境互动中，智能体根据一定的策略选择动作并观察环境的反。缓蟾莘蠢「露杂Φ腝值。通过反复迭代学习和更新Q值，最终Q?learning算法能够使智能体学到最优的策略，实现在未知环境下的智能决策和行为。可以理解的是，与Q?learning有关的Q矩阵、状态、动作等名词均为本领域技术人员能够理解的现有技术，因此本文不做过多说明。[0054] 通过本实施例，最终能够得到每个临时通讯节点向临时通讯基站转发数据的最优路径，该路径上信号在空气中传播的距离总和最。庋湍芄蛔畲蟪潭鹊乜刂剖莼阕艿搅偈蓖ㄑ痘局惺，不容易发生跳变等错误，从而保证通信效率和质量。[0055] 相比于现有技术，本发明一方面通过预设最佳无线通讯距离，在无线通讯的多个临时通讯节点中虚拟地建立起能够表征最佳无线通讯质量的节点拓扑图，实现临时通讯网络的状态描述，另一方面在节点拓扑图的基础上，进一步利用强化学习，即Q?learning算法分析出每个临时通讯节点向临时通讯基站转发数据的最优路径，解决了现有技术的问题。并且该过程全程可通过机器自学习完成，无需人工理清并输入临时通讯网络的拓扑结果，易用性佳，具备很好的应用前景。[0056] 进一步的，在一个优选的实施例中，节点拓扑模块120中，所述获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，包括：[0057] 根据每个临时通讯节点的位置坐标，两两计算每两个临时通讯节点的距离，得到距离集合；[0058] 计算距离集合中小于预设最佳无线通讯距离的距离占比，得到第一比例值；[0059] 若第一比例值超过预设比例阈值，则以临时通讯节点的位置坐标及临时通讯基站为图节点，基于距离集合中小于预设最佳无线通讯距离的距离，建立节点拓扑图。[0060] 因本实施例中多个临时通讯节点为无线通讯，因此本实施例中建立的节点拓扑图实际上为虚拟的拓扑图，一方面，其能够表示出临时通讯节点的传输状态关系，能够将临时通讯节点的潜在通讯路径体现出来，另一方面，其还为后续的Q?learning算法提供了数据基础。本实施例通过预设最佳无线通讯距离来辅助建立节点拓扑图，最佳无线通讯距离是指能够保证无线通讯质量的一个通讯距离，若两个临时通讯节点之间的距离小于预设最佳无线通讯距离，那么表示这两个临时通讯节点之间能够进行较为可靠的无线通讯，此时传输数据错误率较低，反之亦然。[0061] 本实施例中通过第一比例值来衡量一个临时通讯网络可否建立节点拓扑图的概率，即第一比例表示了无线通讯网络中能够进行可靠通讯的节点比例，若该值过低，表示多个临时通讯节点分布较远，此时网络分布存在缺陷，达不到建立节点拓扑图的标准，同样也无法实现后续将数据转发至临时通讯基站的功能，需要人工介入进行处理。第一比例较高，则说明临时通讯网络达到了建立节点拓扑图的标准，此时该网络能够实现后续将数据转发至临时通讯基站的功能，从而进行数据同步、数据验证等功能。[0062] 进一步的，在一个优选的实施例中，上述步骤：以临时通讯节点的位置坐标及临时通讯基站为图节点，基于距离集合中小于预设最佳无线通讯距离的距离，建立节点拓扑图，具体包括：[0063] 分别为每个临时通讯节点和临时通讯基站建立对应的图节点；[0064] 判断每两个图节点在距离集合中对应的距离是否小于预设最佳无线通讯距离，若是，则在对应的距离小于预设最佳无线通讯距离的两个图节点之间建立一条边，最终得到节点拓扑图。[0065] 通过上述过程得到的节点拓扑图，保证了图中每个边都是能够进行稳定数据传输的路径，使得后续确定每个临时通讯节点向临时通讯基站转发数据的路径达到最优。[0066] 进一步的，在一个优选的实施例中，所述预设比例阈值满足如下条件：[0067] ；[0068] 其中，Tpre为预设比例阈值，n为多个临时通讯节点和临时通讯基站的总数。[0069] 上述条件保证了每个临时通讯节点都会被连接，确保网络的完整性。因为，假设有n个临时通讯节点和临时通讯基站，那么由这n个节点构成一个图最多有n(n?1)个边，而n个节点构成的最小连通树的边为(n?1)个，那么自然预设比例阈值最小值应当为1/n，才能够保证建立的节点拓扑图能够包括全部的临时通讯节点和临时通讯基站，确保数据的完整性。[0070] 进一步的，在一个优选的实施例中，强化学习模块130中，所述根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，具体包括：[0071] 步骤一：基于节点拓扑图，建立初始Q矩阵，以到达临时通讯基站对应的节点作为目标状态，其中，初始Q矩阵的横坐标分别对应每个节点拓扑图中的节点，用于表征一个状态，初始Q矩阵的纵坐标也分别对应每个节点拓扑图中的节点，用于表征一个动作；[0072] 步骤二：基于初始Q矩阵随机选择一个状态作为当前状态；[0073] 步骤三：基于当前状态，根据预设选择规则确定一个动作，得到目标动作；[0074] 步骤四：根据目标动作在初始Q矩阵中对应的元素值，得到目标奖励值；[0075] 步骤五：根据目标奖励值更新初始Q矩阵，并根据目标动作更新当前状态；[0076] 步骤六：重复步骤三?步骤五，直至当前状态为目标状态；[0077] 步骤七：重复步骤二?步骤六，将最后更新的初始Q矩阵作为最优Q矩阵。[0078] 上述过程实现了寻找最佳路径的过程，即基于最终得到的最优Q矩阵，便可以得到从任意一个临时通讯节点至临时通讯基站的最佳转发路径。[0079] 具体地，在一个优选的实施例中，在步骤一中的初始Q矩阵中，若一个元素的横坐标所对应的节点与其纵坐标对应的节点连通，那么该元素值为0，否则该元素为预设奖励值，预设奖励值为负数；达到目标状态的奖励值为正数，达到目标状态的奖励值为预设奖励值的绝对值的n倍，其中n为多个临时通讯节点和临时通讯基站的总数。[0080] 进一步的，所述预设选择规则，包括：[0081] 获取当前状态在初始Q矩阵中对应的一行元素，得到目标元素；[0082] 基于预设贪心率，从目标元素中选择一个非负数，并将该非负数对应的纵坐标所对应的动作作为目标动作。[0083] 上述内容通过对初始Q矩阵的元素进行了预先的设定，使得Q?learning算法学习的过程仅会选择节点拓扑图中存在的路径，而不会选择其他路径而影响算法收敛的时间，提高了运算迭代效率，使人们能够更快地得到最优Q矩阵。[0084] 结合图2所示，本发明还提供一种基于临时通讯网络的通信方法，应用于上述基于临时通讯网络的通信系统，所述基于临时通讯网络的通信方法包括：[0085] S201、获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标；[0086] S202、获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，其中，节点拓扑图中的节点分别对应临时通讯节点和临时通讯基站，节点拓扑图中的边表征不同节点之间的数据转发关系；[0087] S203、根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，最优Q矩阵用于决策每个临时通讯节点向临时通讯基站转发数据时的转发路径；[0088] S204、基于最优Q矩阵控制每个临时通讯节点向临时通讯基站发送数据。[0089] 本发明提供一种基于临时通讯网络的通信系统及其方法，其中系统包括位置获取模块、节点拓扑模块、强化学习模块和通信控制模块，其先获取每个临时通讯节点的位置坐标以及临时通讯基站的位置坐标，然后获取预设最佳无线通讯距离，基于预设最佳无线通讯距离、多个临时通讯节点的位置坐标及临时通讯基站的位置坐标，建立节点拓扑图，再根据节点拓扑图，基于Q?learning算法建立最优Q矩阵，最后基于最优Q矩阵控制每个临时通讯节点向临时通讯基站发送数据。相比于现有技术，本发明一方面通过预设最佳无线通讯距离，在无线通讯的多个临时通讯节点中虚拟地建立起能够表征最佳无线通讯质量的节点拓扑图，实现临时通讯网络的状态描述，另一方面在节点拓扑图的基础上，进一步利用强化学习，即Q?learning算法分析出每个临时通讯节点向临时通讯基站转发数据的最优路径，解决了现有技术的问题。并且该过程全程可通过机器自学习完成，无需人工理清并输入临时通讯网络的拓扑结果，易用性佳，具备很好的应用前景。[0090] 以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

专利地区：甘肃

专利申请日期：2024-07-12

专利公开日期：2024-10-11

专利公告号：CN118488457B