一种基于深度强化学习的CSMA优化方法

摘要

本发明公开了一种基于深度强化学习的CSMA优化方法针对当前时隙CSMA协议中二进制指数回退方案的不公平性，以及在网络规模较大时CSMA传输能力急剧下降的问题；本发明以类似时隙ALOHA的方式将数据划分时隙，单个节点使用深度强化学习的方式决定是否参与本时隙信道竞争，使得网络能够根据实际网络情况智能的进行信道分配，避免了时隙CSMA中发送成功的节点发送概率更高导致的不公平性，同时在网络规模较大时，节点能够智能的降低参与信道竞争的概率，从而避免了大量数据碰撞导致的性能急剧下降。