基于GCNMO的低轨卫星网络抗毁性优化算法OA
低轨卫星网络拓扑动态变化,在复杂环境下易受到节点故障与链路中断的影响,威胁通信系统的鲁棒性.针对传统抗毁性评估方法无法准确刻画网络结构特征、优化模型目标间协同不足等问题,本文提出一种融合图卷积神经网络(GCN)与多目标优化算法(NSGA-Ⅱ)的拓扑优化方法(GCNMO).首先利用GCN模型对拓扑节点进行抗毁性感知,构建抗毁性贡献模型并生成加权邻接矩阵,进而提出加权自然连通度指标以更精细地表征网络抗毁性.随后采用启发式邻近连边策略改进初始拓扑种群,最终基于NSGA-II算法对网络拓扑进行多目标优化,通过非支配排序与拥挤度计算引导算法搜索方向,获得Pareto最优解集.仿真结果验证了所提方法在提升网络抗毁性与通信性能方面具有更优表现,能够有效增强低轨卫星网络在复杂环境下的稳定性与可靠性.
冯雪婷;王丽娜
北京科技大学计算机与通信工程学院,北京100083北京科技大学计算机与通信工程学院,北京100083
信息技术与安全科学
低轨卫星网络抗毁性图卷积神经网络NSGA-Ⅱ网络拓扑优化
《工程科学学报》 2026 (5)
P.1098-1109,12
国家重点研发计划资助项目(2024YFB2907305)中央高校基本科研业务费专项资金资助项目(FRF-BD-25-053)。
评论