Routing Optimization Based on Distributed Intelligent Network Softwarization for the Internet of Things
本文提出基于联邦深度强化学习的分布式智能路由优化方法，结合分布式控制器与智能路由，提升受限物联网网络的性能与能源效率。
2025-01-20 cs.NI
Hybrid Intelligent Routing with Optimized Learning (HIROL) for Adaptive Routing Topology management in FANETs
针对FANET因UAV高速移动等导致的路由难题，提出融合ABC算法、DSR、OLSR与ANN的HIROL混合路由模型，可动态切换路由策略，经NS-2仿真验证在吞吐量、开销、投递率上均优于传统模型。
2024-06-21 cs.NI
Study of Workload Interference with Intelligent Routing on Dragonfly
本文通过增强仿真工具包、多通信模式工作负载及通信强度指标，对比研究大规模Dragonfly中智能路由与自适应路由对多工作负载干扰的影响。
2024-04-03 cs.DC cs.NI
QoS Guaranteed Intelligent Routing Using Hybrid PSO-GA in Wireless Mesh Networks
在多信道多射频无线Mesh网络中，如何在满足服务质量（QoS）约束的前提下找到最优路由是一项艰巨的任务。为了保证网络的可靠性，从源节点到网关之间存在多条路径，有时需要处理链路故障。MCMR-WMN的一个主要挑战是从冗余路径中找到满足QoS且无干扰的路径，以便通过该路径传输数据包，粒子群优化算法（PSO）是一种在搜索空间中寻找最优候选解的优化技术，它将人工智能应用于路由问题的求解。另一方面，遗传算法（Genetic Algorithm，GA）是一种基于种群的元启发式优化算法，它的灵感来自于自然进化，如选择、变异和交叉。粒子群算法很容易陷入局部最优解，同时由于底层动态网络的存在，遗传算法不适用于动态数据。在本文中，我们提出了一个最佳的智能路由，使用混合粒子群算法-遗传算法，这也满足QoS约束。该算法综合了粒子群算法和遗传算法的优点。将带宽、时延、抖动和干扰等QoS约束转化为惩罚函数。仿真结果表明，该混合算法的性能优于粒子群算法和遗传算法，且收敛时间相对较短，避免了过早收敛。关键词：无线网状网络，多射频，多信道，粒子群优化，遗传算法，服务质量。
2015-03-12 cs.NI
Intelligent Routing Algorithm over SDN: Reusable Reinforcement Learning Approach
Western University（西安大略大学）；University of Northern British Columbia（北英属哥伦比亚大学）；Juniper Networks（瞻博网络公司）
针对SDN路由问题，提出了一种可复用的强化学习路由算法RLSR-Routing，通过学习全局网络QoS状态加速多流量需求下的路径计算与收敛，结合Segment Routing降低通信开销，实现了优于传统方法的负载均衡性能。
2024-09-23 cs.LG cs.NI
An efficient ant based qos aware intelligent temporally ordered routing algorithm for manets
移动自组织网络（MANET）是一种通过无线链路连接的自配置网络。这种类型的网络仅适用于临时通信链路，因为它没有基础设施，也没有集中控制。由于动态拓扑结构和有限的资源，在这种类型的网络中提供QoS感知路由是一项具有挑战性的任务。QoS感知路由的主要目的是找到一条从源到目的地的可行路径，该路径将满足两个或多个端到端QoS约束。因此，设计一个高效的路由算法，将满足所有的服务质量要求，是鲁棒性和自适应的任务被认为是一个极具挑战性的问题。在这项工作中，我们设计了一个新的高效和能源意识的多路径路由算法的ACO框架的基础上，生物蚂蚁的行为的启发。在考虑QoS约束和人工蚂蚁的基础上，设计了一种智能型的时间顺序路由算法（TORA），该算法能够延长网络的生存时间，降低丢包率和平均端到端时延，适合于实时的多媒体应用。
2013-08-13 cs.NE cs.NI
A Novel Hierarchical Ant based QoS aware Intelligent Routing Scheme for MANETS
West Bengal University of Technology（西孟加拉技术大学）
移动自组网是移动设备的集合，没有集中控制，也没有预先存在的基础设施。由于节点的移动性，在这种类型的网络中的路由过程中支持QoS是一个非常具有挑战性的任务。为了解决这种类型的开销，许多路由算法与聚类方法已被提出。分簇是一种有效的网络性能、路由协议设计、服务质量等资源管理方法。大部分平面网络结构包含同质的节点容量，但在实时的节点具有异构的容量和传输功率。分层路由提供了通过这种异构节点的路由。在这里，路由可以分层记录，跨集群，以增加路由的灵活性。除此之外，它还增加了路由的可扩展性和鲁棒性。在本文中，一种新的基于蚂蚁的QoS感知路由提出了一个三级层次簇的拓扑结构在移动自组网中，这将是更可扩展性和效率相比，平面架构，并会提供更好的吞吐量。
2013-12-07 cs.AI cs.NI
Intelligent Routing to Enhance Energy Consumption in Wireless Sensor Network: A survey
如今，网络和互联网应用在数字世界中获得了实质性的重要性，因为它为健康和社区服务提供了巨大的影响。其中最重要的服务是为患者提供的智能设备和重要因素测量设备，无论是在医院还是在医院外。此外，在各种关键环境中收集医疗数据或温度和湿度测量的传感器。在这种困难的环境中可以使用的适当类型的网络是无线传感器网络，用于感测和处理数据。此外，无线传感器网络已被用于物联网和智能城市的环境中的一般服务和健康领域。所有这些原因使得研究人员关注无线传感器网络并解决它们面临的挑战。此类网络面临的最重要挑战是能源消耗和增加电池寿命。本文讨论了无线传感器网络中用于能量节约的方法，如数据精简技术、最短路径选择和用于智能路由和能量节约的人工智能算法。此外，我们还介绍了研究人员提出的标准算法之间的比较，使清晰的图像的能量消耗问题，并提出了一些有效的解决方案，在无线传感器网络领域。
2021-01-04 cs.NI
DRL-M4MR: An Intelligent Multicast Routing Approach Based on DQN Deep Reinforcement Learning in SDN
Guilin University of Electronic Technology（桂林电子科技大学）；Fujian University of Technology（福建工程学院）；Peng Cheng Lab.（鹏城实验室）
传统的组播路由方法在构建组播树时存在对网络状态信息获取受限、对网络动态复杂变化的适应性差、数据转发不灵活等问题。针对这些缺陷，将软件定义网络（SDN）中的最优组播路由问题裁剪为多目标优化问题，设计了一种基于深度Q网络（DQN）深度强化学习（DRL）方法的智能组播路由算法DRL-M4 MR，用于构建SDN中的组播树。首先，结合SDN的全局视图和全局控制，设计了DRL代理的状态空间：组播树状态矩阵、链路带宽矩阵、链路时延矩阵和链路丢包率矩阵。第二，代理的动作空间是网络中的所有链路，并在四种情况下设计了将链路添加到当前组播树的动作选择策略。第三，设计了单步和最终的奖励函数形式来指导智能决策以构造最优的组播树。实验结果表明，与现有算法相比，DRL-M4 MR构造的组播树在训练后能获得更好的带宽、时延和丢包率性能，并能在动态网络环境下做出更智能的组播路由决策。
2022-07-31 cs.AI cs.NI
Carbon-Intelligent Global Routing in Path-Aware Networks
针对互联网数据传输碳效率低的问题，设计CIRo系统借助路径感知网络架构预测传播域间碳强度，经测试与仿真验证可显著降低通信碳强度与互联网使用碳足迹。
2023-05-01 cs.NI
Competitive performance analysis of two evolutionary algorithms for routing optimization in graded network
本文比较了人工蜂群算法和遗传算法两种智能路径生成系统及其在分级网络中的性能。ABC和GA都发现了它的重要性，在优化技术，以确定最佳路径，而路由操作在网络中。本文展示了如何利用ABC方法根据链路的带宽可用性确定最佳路径，并通过GA确定质量更好的路径。在这里，参与路由的节点被评估其QoS度量。选择满足度量的最小阈值的节点并使其能够参与路由。以源节点为中心合成一个象限，根据目标节点属于哪个象限，进行最优路径搜索。仿真结果表明，ABC加快了约60%的局部最小搜索收敛相比，遗传算法的流量强度，并在未来的智能网络认知路由的可能性。
2014-08-05 cs.NI
An Intelligent SDWN Routing Algorithm Based on Network Situational Awareness and Deep Reinforcement Learning
Guilin University of Electronic Technology（桂林电子科技大学）
针对无线网络拓扑动态变化导致的路由挑战，提出基于网络态势感知与深度强化学习的智能SDWN路由算法DRL-PPONSA，通过GCN-GRU预测流量并结合PPO优化数据转发，显著提升了网络性能与收敛稳定性。
2023-05-12 cs.AI cs.NI
A Comparative Study of Various Routing Protocols in VANET
车载自组织网络是移动自组织网络的一个子类，它为智能交通系统提供了一种独特的解决方案。研究车载自组网的路由协议是智能ITS的重要组成部分。本文讨论了车载自组网中各种路由协议的优缺点及其应用。它探讨了设计背后的动机，并跟踪这些路由协议的演变。最后，本文总结了各种VANET路由协议的表格比较。
2011-08-10 cs.NI
Intelligent OLSR Routing Protocol Optimization for VANETs
针对车载自组织网络路由难题，本文利用多种元启发式算法自动优化OLSR路由协议参数，在真实城市场景下实现了优于标准协议和人工配置的服务质量。
2025-01-16 cs.NE cs.NI
I-Min: An Intelligent Fermat Point Based Energy Efficient Geographic Packet Forwarding Technique for Wireless Sensor and Ad Hoc Networks
能量消耗和数据包传输延迟是衡量无线自组织和传感器网络地理路由协议性能的两个重要指标。因此，能够确保更少的能量消耗和在分组递送中经历更少的延迟的协议适合于同时对延迟敏感和能量饥饿的网络。因此，解决这两个问题的智能分组转发技术是任何地理路由协议所寻找的技术。在本论文中，我们提出了一个基于费马点的转发技术，减少了数据包传输过程中所经历的延迟以及传输和接收数据包所消耗的能量。
2010-06-18 cs.NI
Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks
College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学电子与信息学院）；College of Civil Aviation, Nanjing University of Aeronautics and Astronautics（南京航空航天大学民航学院）；College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院）；College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院）
本文提出基于区块链的零信任架构，通过多智能体深度Q网络优化低空智能网络中UAV集群的路由，提升路由稳定性和安全性。
2026-02-27 cs.AI cs.NI
DHRL-FNMR: An Intelligent Multicast Routing Approach Based on Deep Hierarchical Reinforcement Learning in SDN
Guilin University of Electronic Technology（桂林电子科技大学）；Fujian University of Technology（福建工程学院）
本文提出DHRL-FNMR算法，将SDN组播树构建分解为分叉节点选择和最优路径构建两个子问题，通过深度分层强化学习缩小动作空间并设计替代奖励策略，以解决冗余分支和收敛缓慢问题。
2023-05-30 cs.AI cs.LG cs.NI
PARRoT: Predictive Ad-hoc Routing Fueled by Reinforcement Learning and Trajectory Knowledge
利用自组织网络技术协调行动的协作无人机（UAV）群提供了催化新兴研究领域的潜力，如灾区的自主探索，需求驱动的网络供应，以及智能交通系统（ITS）中的近场数据包交付。由于这些移动机器人网络的特点是高等级的相对移动性，现有的路由协议往往无法通过他们的决策隐含的网络拓扑动态。为了解决这些挑战，我们提出了预测Ad-hoc路由由强化学习和轨迹知识（PARRoT）作为一种新的机器学习启用的路由协议，利用移动控制信息集成知识的移动代理到路由过程中的未来运动。所提出的路由方法的性能进行评估，使用全面的网络模拟。与已建立的路由协议相比，PARRoT实现了更高的鲁棒性和更低的端到端延迟。
2020-12-10 cs.NI
Dealing with complex routing requirements using an MCDM based approach
在过去的十年中，用户对更好的QoS（服务质量）的需求不断增长，并且连接设备的快速增长仍然给传统网络基础设施带来了很大的压力。为了提高网络性能，更好地管理资源，并有一个更大的控制流量传输，智能路由过程的需求越来越多。在新兴网络的动态环境中的现代应用程序有自己的路由要求，需要考虑的指标集，其重要性和阈值。本文的目标是设计一种基于MCDM（多准则决策）的方法来决定复杂的路由问题时，假设阈值约束的度量。我们给出的数学框架来捕捉这样的要求，并决定路由。一个案例研究，提倡使用我们的方法的好处。
2022-04-04 cs.NI
MA-CDMR: An Intelligent Cross-domain Multicast Routing Method based on Multiagent Deep Reinforcement Learning in Multi-domain SDWN
Xidian University（西安电子科技大学）
针对多域SDWN跨域组播路由现有方案感知能力弱、收敛慢的问题，提出MA-CDMR方法，通过多控制器协作机制、多智能体协作及混合训练模式优化路由，提升收敛速度与服务质量。
2024-09-11 cs.AI cs.NI
An Opportunistic AODV Routing Scheme : A Cognitive Mobile Agents Approach
在移动自组网中，动态性和鲁棒性是节点的关键特性，并受到AODV、DSR等路由协议的约束。节点的移动性往往会导致链路的中断和路由开销的增加，从而降低了网络连通性的稳定性和可靠性。在这种情况下，本文提出了一种新的机会AODV路由方案，实现了基于认知代理的智能技术，建立一个稳定的连接在移动自组网。该方案基于通过基于知识的决策获得的节点的协作敏感度水平来计算路由度量（rf）。此路由度量随后用于为网络连接设置稳定路径。通过与AODV路由协议和休眠AODV路由协议的比较，进行了性能评估，并进行了验证。
2017-07-11 cs.NI
Intelligent multicast routing method based on multi-agent deep reinforcement learning in SDWN
Guilin University of Electronic Technology（桂林电子科技大学）
针对SDWN环境下传统组播路由难以适应网络动态变化的问题，提出基于多智能体深度强化学习的组播路由方法MADRL-MR，通过设计状态空间、单跳动作策略及结合迁移学习的去中心化训练，有效提升了吞吐量、延迟等性能。
2023-05-12 cs.AI cs.NI
WONDER: Workload Optimized Network Defined Edge Routing
与前几代无线网络相比，5G标准实现了蜂窝网络功能，显著改善了延迟、容量、吞吐量和可靠性等关键网络特性。然而，很明显，为了在实际的网络实现中实现这些改进，需要适当地设计支持的物理和逻辑基础设施。该基础设施的关键组件是无线接入网络、边缘数据中心、分组/光互连结构和边缘计算。本文重点介绍边缘数据中心、互联和边缘计算功能，这些功能旨在通过智能网络切片、流量路由和协调的计算工作负载分配，在5G网络上提供高性能服务。我们提出了新的方法，以确保在移动条件下的最佳流量路由和边缘计算工作负载放置，并利用分段路由/IPv6和软件定义的控制机制，满足一组互连边缘数据中心内的应用程序要求和约束。
2021-10-18 cs.NI
GOSPF: An energy efficient implementation of the OSPF routing protocol
节能是目前互联网研究界最具挑战性的问题之一。实际上，应用和服务的指数增长引起功耗的显著增加，因此需要能够保存基础设施的能量，同时保持所需的服务质量保证的新颖解决方案。在本文中，我们介绍了一种新的机制，通过智能关闭网络链路的节能。该机制已作为开放式最短路径优先路由协议的扩展实现。我们首先表明，通过模拟，我们的解决方案是能够大大减少能源消耗相比，标准的OSPF实现。然后，我们说明了现实世界中的Quagga路由软件套件内的协议的实现。
2022-06-30 cs.NI
Enhanced Genetic Algorithm approach for Solving Dynamic Shortest Path Routing Problems using Immigrants and Memory Schemes
在因特网路由中，静态最短路径（SP）问题已经使用众所周知的智能优化技术如人工神经网络、遗传算法（GAs）和粒子群优化来解决。随着无线通信技术的发展，移动无线网络越来越多，如移动自组织网络（Mobile Ad Hoc Networks，MANDIX）和无线传感器网络等。网络的动态性是移动自组网的主要特点。因此，移动自组网中的SP路由问题转化为动态优化问题（DOP）。在这里，节点可以意识到环境条件，从而使其智能化，这将作为GA的输入。实现，然后使用遗传算法与移民和内存计划，以解决动态SP路由问题（DSPRP）在MANETS。在本文中，一旦网络拓扑结构发生变化，可以利用新的移民或存储在内存中的有用信息搜索新环境中的最优解。结果表明，采用新移民策略的遗传算法比采用记忆策略的遗传算法具有更好的收敛性。
2011-07-11 cs.NE cs.NI
SAF: Stochastic Adaptive Forwarding in Named Data Networking
在经典的基于IP的网络中，转发决策是由路由预先确定的。这对于避免环路是必要的，从而抑制实现自适应和智能转发平面的机会。因此，由于缺乏固有的多路径传输，内容分发效率降低。相反，在命名数据网络（NDN）中，路由将支持转发，提供足够的潜力来增强转发平面上的内容传播。在本文中，我们设计，实现和评估一种新的基于概率的转发策略，称为随机自适应转发（SAF）的NDN。SAF模仿了一个自我调节的水管系统，通过网络交叉点智能地引导和分配利益，从而规避链路故障和瓶颈。就像真正的管道系统一样，SAF采用过压阀，使拥挤的节点能够自主降低压力。通过隐式反馈机制，确保经由拥塞节点转发的业务的部分减少。通过进行模拟，我们表明，我们的方法优于现有的转发策略在大多数评估的情况下的利益满意度。这是通过广泛利用NDN的多路径和内容查找功能而实现的，而不依赖于路由平面。SAF通过重定向无论如何都可能被丢弃的请求来探索本地环境。这使SAF能够识别到内容源或缓存副本的新路径，从而避免链路故障和资源短缺，而无需依赖路由更新。
2016-03-23 cs.NI
Securing a mobile adhoc network from routing attacks through the application of genetic algorithm
近年来，静态最短路径（SP）问题已经使用智能优化技术得到了很好的解决，例如，人工神经网络、遗传算法（GA）、粒子群优化等。然而，随着无线通信的发展，出现了越来越多的移动无线网络，例如，移动网络[移动自组织网络（MANET）]、无线传感器网络等。移动无线网络中最重要的特征之一是拓扑动态性，即，网络拓扑由于能量守恒或节点移动性而随时间改变。因此，移动自组网中的SP路由问题是一个动态优化问题。GA的是能够找到，如果不是最短的，至少在移动自组织网络节点的源和目的地之间的最佳路径。在链路失效或节点失效的情况下，通过获取替代路径或备份路径来避免重路由发现。
2012-02-21 cs.NI
Adaptive and Secure Routing Protocol for Emergency Mobile Ad Hoc Networks
移动自组织网络（MANNETworks）的性质使它们适合在极端紧急情况下为所有相关的救援队使用。我们使用术语紧急移动自组网（eMANDON）来描述下一代基于IP的网络，这些网络部署在森林火灾和恐怖袭击等紧急情况下。eMANMENTS领域内的主要目标是为应急工作人员提供智能设备，如智能手机和PDA。该技术允许在相同或不同的应急小组成员（警察、消防员、护理人员）之间建立通信“孤岛”。在这篇文章中，我们将讨论一个自适应的和安全的路由协议的目的，eMANNETWORK。我们评估的协议的性能进行比较，它与其他广泛使用的路由协议的移动自组网。我们最后表明，由于安全考虑引入的开销是负担得起的轻量级设备之间的安全ad-hoc通信。
2010-05-11 cs.NI
iTRPL: An Intelligent and Trusted RPL Protocol based on Multi-Agent Reinforcement Learning
针对RPL协议易受内部攻击的问题，提出融合信任机制与多智能体强化学习的iTRPL框架，通过节点信任计算、奖惩聚合及ε-Greedy决策实现DODAG的自主安全优化，仿真验证其可随时间学习做出最优决策。
2024-03-07 cs.NI
Multi-Layer Perceptron-Based Relay Node Selection for Next-Generation Intelligent Delay-Tolerant Networks
针对延迟容忍网络中静态复制策略无法自适应区分高质量中继节点的问题，提出一种基于多层感知机的智能路由增强方法，通过机器学习模型预测并选择优质中继节点，显著提升了消息投递率并降低了延迟。
2025-09-14 cs.NI
Improving Resiliency of Vital Services in Flood-Affected Regions of Bangladesh Using Next-Generation Opportunistic DTN Edge Ad Hoc Networks
University of Nottingham（诺丁汉大学）
本研究提出AZIZA协议，通过区域化转发、信任感知逻辑和上下文驱动决策，提升洪水影响地区关键通信服务的韧性。
2025-06-26 cs.NI
Towards Cognitive Routing based on Deep Reinforcement Learning
Beijing University of Posts and Telecommunications（北京邮电大学）
路由是网络基础设施稳定运行的关键功能之一。随着网络业务量的快速增长和业务需求的不断变化，对智能路由算法提出了更高的要求。为此，我们提出了认知路由的定义和基于深度强化学习（DRL）的实现方法。为了方便基于DRL的认知路由的研究，我们引入了一个名为RL4Net的模拟器，用于基于DRL的路由算法的开发和仿真。然后，我们设计并实现了一个基于DDPG的路由算法。在一个典型网络拓扑上的仿真结果表明，基于DDPG的路由算法比OSPF和随机权值路由算法具有更好的性能。初步论证了认知路由在未来网络中的可行性和潜在优势。
2020-03-19 cs.AI cs.LG cs.NI
The Dynamics of A Self-Forming Network
本文介绍了我们的战略部署自形成的ad hoc网络的基础上的互联网协议版本6，并评估了这一建议的动态。除其他外，我们建议一种技术称为自适应路由，提供安全的智能路由功能的计算机通信网络。该技术使用流标签，支持混合度量，网络负载共享，并且在做出路由决策时不限于对第一跳路由器的性能进行评估。选择性任播是任播寻址模型的扩展，支持排除在每个主机上表现不佳或不适当的组的成员。分布式名称查找建议集成自形成和全球网络共存的地方。最后，我们提出了一个地址层次结构，以支持非托管发现服务在未知的网络。
2006-08-08 cs.NI
Hierarchical Evolutionary Optimization with Predictive Modeling for Stable Delay-Constrained Routing in Vehicular Networks
针对VANETs动态环境下低时延与路由稳定性难以兼顾的问题，提出融合多目标进化优化、增量调整和LSTM预测的分层框架，仿真表明其可保持低时延、高稳定并适应拓扑变化。
2025-03-15 cs.NE cs.NI
Structural Generalization for Microservice Routing Using Graph Neural Networks
本文提出基于图神经网络的微服务路由优化框架，通过图建模与边感知注意力机制提升路由决策效率，实验证明其在动态并发环境下性能优于现有策略。
2025-10-17 cs.NI
On the Use of Smart Ants for Efficient Routing in Wireless Mesh Networks
无线网状网络（WMN）中的路由问题在过去几年中一直是一个活跃的研究领域。在本文中，我们解决的问题，有效的数据转发在无线网状网络（WMNs）的帮助下，智能蚂蚁作为智能代理的数据包路由。本文的目的是研究使用这种生物启发代理有效地路由数据包在无线网状网。特别是，我们提出了AntMesh，这是一种分布式干扰感知数据转发算法，它允许使用智能蚂蚁以概率方式并发执行路由和数据转发，以便随机解决动态网络路由问题。AntMesh属于一类路由算法，其灵感来自于真正的蚂蚁的行为，这些蚂蚁能够找到它们的巢穴和食物源之间的最短路径。此外，AntMesh具有有效地利用多无线电WMN中通常常见的空间/信道分集的能力，并且能够发现具有较少流间和流内干扰的高吞吐量路径，而传统的无线网络路由协议无法做到这一点。我们在ns-2中实现了我们的智能蚂蚁路由算法，并进行了广泛的评估。我们展示了AntMesh的稳定性，即它如何快速地适应网络上不断变化的动态或负载。我们调整的AntMesh算法的参数，研究其性能的路由负载和端到端的延迟方面的影响，并测试了其性能在各种网络场景下，特别是固定节点的网状网络和移动WMN的情况下。结果表明，AntMesh的优势，使其成为一个有价值的候选人在网状网络中运行。
2012-09-04 cs.NI
A Review of AI-enabled Routing Protocols for UAV Networks: Trends, Challenges, and Future Outlook
无人机作为一项新兴技术，在不同领域的应用前所未有。这项技术的持续趋势是从大型遥控无人机转向小型自主无人机网络，以共同完成复杂的任务时间和成本效益。一个重要的挑战是开发有效的传感，通信和控制算法，可以适应高度动态的无人机网络与异构的移动性水平的要求。最近，人工智能（AI）在基于学习的网络中的使用已经获得了动力，通过将计算智能集成到无人机网络中，利用认知节点的学习能力来做出更智能的网络决策。这种趋势的一个重要例子是开发学习驱动的路由协议，其中机器学习方法用于建模和预测拓扑演变、信道状态、流量移动性和环境因素，以增强路由。本文回顾了主要为空中网络设计的AI路由协议，包括拓扑预测和基于自适应学习的路由算法，重点是适应高度动态的网络拓扑。为此，我们证明了人工智能在无人机网络通信中的重要性和适应性。我们还强调了人工智能，无人机网络的移动性和网络模型，仿真工具和公共数据集以及与无人机群集的关系等密切相关的主题，这些主题有助于为每个场景选择正确的算法。最后，我们提出了未来的趋势，以及基于人工智能的无人机网络在路由、连接、拓扑控制、安全和隐私、能源效率和频谱共享等不同方面面临的挑战。
2021-11-08 cs.NI
A Neural Radiance Field-Based Architecture for Intelligent Multilayered View Synthesis
Vel Tech Rangarajan Dr. Sagunthala R&D Institute of Science and Technology（韦尔泰克拉金德兰博士萨贡塔拉科学技术研发学院）；R.M.K College of Engineering and Technology（RMK工程技术学院）；Panimalar Engineering College（帕尼马尔工程学院）；Sri Sairam Engineering College（斯里赛拉姆工程学院）
本文针对MANET中高可靠、低能耗的按需路由问题，提出基于RIFA的优化路由选择策略，利用路由故障预测与能量利用选路，并在PDR、能耗和E2E时延上验证其优势。
2023-11-03 cs.AI cs.NI
Multi-level Dynamic Optimization of Intelligent LEACH with Cost Effective Deep Belief Network
能量利用率是能量受限的无线传感器网络（WSN）的一个关键属性，直接影响网络的生命周期。LEACH（及其变体）被认为是无线传感器网络中最常见的节能路由协议。在本文中，我们提出了一个优化的修改LEACH，利用多跳通信，动态集群边界和节能路由，以最大限度地提高网络的生命周期。我们提出了一个多层次的方法，以最大限度地提高我们的收益与节能，即，i）已经提出了基于动态规划的簇内优化技术ii）蚁群优化用于能量高效的簇头与汇聚节点的连接，以及iii）Voronoi Tessellation用于高效的覆盖规划，即，集群边界的动态形成。为了适应更灵活的adhoc网络，混合（反应式和主动式）事件监测的基础上，深度信念网络已被集成在分布式节点，以改善系统的延迟。结果表明，所提出的方案显着优于目前的最先进的网络寿命和吞吐量。
2019-04-12 cs.MA cs.NI
Design Insights into Partition Placement and Routing for DNN Inference in Multi-Hop Edge Networks
University of York（约克大学）
本文研究了多跳边缘网络中固定分区DNN推断的联合分区放置与路由问题，通过数值实验展示了在物联网-边缘-云计算环境中分割灵活性和拥堵感知优化的重要性。
2026-04-28 cs.NI
Study of Cluster-Based Routing Based on Machine Learning for UAV Networks in 6G
本文针对6G无人机网络提出了一种基于XGBoost移动性预测与复合优化的机器学习驱动动态分簇与簇头选择框架，显著提升了分散式场景下的网络延迟、抖动和吞吐量等性能。
2025-10-31 cs.NI
A Synergy of Computing Power Networks and Low-Altitude Economy Intelligent Communications: Challenges, Design Principles, and Research Directions
本文综述低空经济智能通信与算力网络的双向协同机制，分析双向赋能路径，并提出一体化系统的设计原则与未来研究方向。
2025-09-28 cs.NI
LAURA: LLM-Assisted UAV Routing for AoI Minimization
本文提出LAURA算法，利用大语言模型作为进化框架中的智能交叉算子，优化无人机飞行路由以最小化信息年龄，仿真验证其在多节点场景下优于基准方法。
2025-07-09 cs.IT cs.NI math.IT
Federated Learning Assisted Deep Q-Learning for Joint Task Offloading and Fronthaul Segment Routing in Open RAN
本文针对O-RAN中任务卸载、前传路由与边缘计算的联合优化问题，提出联邦学习辅助的深度Q学习方法，以最小化时延代价。
2023-08-14 cs.NI
Artificial Intelligence Based Cognitive Routing for Cognitive Radio Networks
National University of Sciences and Technology（国立科技大学）
认知无线电网络（CRN）是由配备有认知无线电的节点组成的网络，其可以通过适应网络条件来优化性能。虽然认知无线电网络（CRN）被设想为智能网络，相对较少的研究集中在CRN的网络级功能。虽然各种路由协议，结合不同程度的自适应性，已被提出的CRN，它是必不可少的长期成功的CRN的认知路由协议的设计所追求的研究界。认知路由协议被设想为将基于AI的技术完全无缝地结合到其设计中的路由协议。在本文中，我们提供了一个关于各种AI和机器学习技术的独立教程，这些技术已经或可以用于开发认知路由协议。我们还调查了各类AI技术在CRN中的应用，特别是路由问题。我们讨论了人工智能的各种决策技术和学习技术，并记录了它们在CRN路由问题上的当前和潜在应用。我们还强调了认知路由协议必须解决的各种推理，推理，建模和学习子任务。最后，确定了开放的研究问题和未来的工作方向。
2013-08-31 cs.AI cs.NI
Empowering Computing and Networks Convergence System with Distributed Cooperative Routing
Purple Mountain Laboratories（紫金山实验室）；Beijing University of Posts and Telecommunications（北京邮电大学）；Carleton University（卡尔顿大学）
针对计算与网络融合系统中计算和网络资源综合调度不足的问题，提出分布式协作路由框架，通过跨平面协作路由兼顾异构服务器计算效率与网络拥塞，确保截止时间并最小化计算成本。
2024-02-04 cs.AI cs.NI
Delay-Optimal Data Forwarding in Vehicular Sensor Networks
车载传感器网络（VSN）是一种新兴的城市环境监测解决方案，如智能交通系统和空气污染。VSN中感知数据包的传输延迟是决定城市监测应用服务质量的关键因素之一。在本文中，我们研究的VSN中的最小延迟的路由数据包的问题，通过利用i）车辆交通统计，ii）任播路由和iii）未来的车辆，如巴士的轨迹的知识。我们首先介绍了一种新的道路网络图模型，将这三个因素的路由度量。然后，我们的特征的数据包延迟在每个边缘的车辆密度，速度和边缘的长度的函数。基于网络模型和延迟函数，我们将分组路由问题描述为一个马尔可夫决策过程（MDP），并通过求解MDP来设计最优路由策略。在一个城市中使用真实的车辆轨迹的评估表明，我们的路由策略显着提高了延迟性能相比，现有的路由协议。
2012-09-20 cs.NI cs.PF
FUSION: A Flexible Unified Simulator for Intelligent Optical Networking
本文提出了一种用于智能光网络的全开源灵活统一仿真器FUSION，通过集成传统算法与机器学习技术并提供完善的测试和界面，解决了现有工具在透明度和功能上的不足，有效支持SD-EON研究。
2025-01-29 cs.NI
Maximizing Throughput with Routing Interference Avoidance in RIS-Assisted Relay Mesh Networks
本文针对RIS辅助中继网状网络，建立基于波束几何参数的干扰分析模型，提出传输调度启发式与吞吐量最大化优化方法，揭示干扰影响并给出有效路径选择策略。
2024-02-13 cs.NI
A New Energy Efficient Approach Towards WASN Routing with Modified QCS Protocol
无线自组织传感器网络是一种由资源有限的小型传感器节点组成的网络，在解决包括灾难管理在内的各种问题方面具有巨大的潜力。本文对文[1]中提出的“QCS-协议”进行了改进，命名为“改进的QCS-协议”。这是我们的智能节能自组织传感器网络的骨干。另外两个协议“不规则信息传输”和“最终广播-汽油流”协议也进行了修改，以提高新版本的QCS协议的性能，使系统正常运行，使网络更加节能和完善。无线传感器网络面临的挑战是节点能量有限、网络自组织和可靠性。大多数现有的办法都是分别处理这些问题，而不是整体处理。本文展示了如何网络可以有无限的寿命和所有的时间准备与整体稳定性发送信息到基站，以最小的功耗与多模式的“相同类型”的传感器节点和生成的信息的类型分类的帮助。此外，努力给一些光的实现问题，并通过MATLAB仿真分析的网络的整体性能。
2011-10-08 cs.NI
Reinforcement Learning for Opportunistic Routing in Software-Defined LEO-Terrestrial Systems
School of Electrical and Mechanical Engineering, University of Adelaide（阿德莱德大学电气与机械工程学院）；Singapore University of Technology and Design（新加坡科技设计大学）；Electronics and Telecommunications Research Institute（电子电信研究院）
本文提出了一种基于软件定义网络的强化学习方法，用于优化低地球轨道-地面系统的机智路由，以减少传输延迟并提高数据传输的可靠性。
2026-01-20 cs.LG cs.NI
Towards an Implementation of the Knowledge-Based Control Plane for Intelligent Swarm Networks
本文提出将动态知识图谱（DKG）与软件定义网络（SDN）集成，通过统一网络数据视图增强群体网络管理控制能力，潜在用例验证其优化性能与资源利用率的优势。
2024-11-28 cs.NI
Geometric Fairness-Aware Routing for Federated Edge Networks
Department of Electrical and Computer Engineering, University of Alabama in Huntsville（阿拉巴马大学亨茨维尔分校电气与计算机工程系）
提出Geo-FairFed，融合双曲图神经网络与联邦优化，通过曲率正则化公平目标实现边缘节点间的均衡路由，在6G和IoT拓扑上延迟降低20%、能耗降低17%、公平性提升21%。
2026-06-26 cs.AI cs.NI
CISER: An Amoebiasis inspired Model for Epidemic Message Propagation in DTN
延迟容忍网络（DTNs）是稀疏的移动网络，它经历了频繁的中断，在节点之间的连接。通常，DTN遵循存储-携带-转发机制进行消息转发，其中节点存储并携带消息，直到它在网络中找到合适的中继节点来进一步转发。因此，DTN路由协议的效率依赖于从一组遇到的节点中智能地选择中继节点。虽然有大量的DTN路由方案的基础上提出了不同的中继选择策略的文献中，有很多的数学模型来研究DTN中的消息转发的行为。本文以阿米巴病在人群中的传播为基础，提出了一种新的DTN消息传播模型--CISER模型。CISER模型是SIR传染病模型的扩展，通过增加状态来表示DTN中节点的资源受限行为。实验结果表明，与SIR模型相比，该模型在投递率、开销率和投递延迟等路由性能指标上都有明显改善。
2016-08-27 cs.NI
