近年来,无线多跳网络由于其在军事和民用领域的广泛应用而备受关注。在过去的几十年里,针对无线网络提出了大量的机会路由算法。人们普遍认为,深度强化学习是提高无线网络性能的一个很有前途的方式。然而,现有的关于无线网络和深度强化学习的研究大多是独立进行的,无法充分利用强化学习技术的学习能力来自适应地优化网络路由。这极大地限制了深度强化学习技术改善无线网络性能的潜力。为了体现深度强化学习技术在无线系统中的优势,进一步提高无线网络的智能化程度,满足未来无线通信网络发展的需求,本文提出了一种基于深度强化学习的无线多跳网络能量高效机会路由算法,该算法能够通过训练智能体来学习路由策略以减少数据包的传输时间,同时有效地平衡能耗以延长网络寿命。此外,本文提出的算法还可以显著缓解冷启动问题,获得较好的初始性能。仿真结果表明,与无线多跳网络环境中的现有解决方案相比,本文提出的算法具有更好的路由性能和能耗性能。本文的主要工作和贡献如下:·将无线多跳网络中的机会路由问题定义为马尔可夫决策过程,并定义了相应的状态空间、动作空间和奖励函数。·提出了一种利用深度强化学习解决无线多跳网络中分组路由问题的新型高效机会路由算法,可以有效地平衡路由性能和能耗。·提出的路由算法能够有效缓解传统的基于DQN(Deep Q Network)算法的冷启动问题,提高智能体早期的学习性能。·进行了大量的计算机仿真,结果表明,与现有的工作相比,本文算法能够显著改善路由性能。