能耗降近两成
该协议将量子启发优化与深度强化学习结合，在动态无线传感器网络中同时实现节能、高吞吐与长寿命。
王出航 · 胡黄水 · Xinji, Fan
Ad Hoc Networks 2025
通过量子启发的哈里斯鹰优化器动态选择最优簇头，并用深度强化学习自适应学习路由策略，避免了两者独立优化导致的性能损失。
QHHO 的适应度函数综合考虑节点剩余能量、到邻居节点的平均距离和到基站的距离，确保能量和簇头分布均衡，从而减少了网络中的控制消息数量。
采用带优先级经验回放的对偶双深度Q网络（D3QN-PER）自适应学习最优路由策略，能够应对网络拓扑的动态变化并增强负载均衡。