强化学习优化深空通信中继管理

发生了什么

据arXiv论文，研究提出基于强化学习的深空通信中继节点束管理与流控制框架。该框架将中继控制建模为约束半马尔可夫决策过程，使用掩码拉格朗日近端策略优化（PPO）求解。DTNSim仿真显示，相比FIFO等基线调度器，该方法在年龄效用和跨异构源流的公平性方面有所提升。