为了满足日益增长的卫星业务需求，多路径路由被用来通过多个传输路径并发地传输每个流。然而，动态变化的卫星拓扑结构带来了挑战，多路径路由规划和不同路径之间的业务分裂。

因此，在本文中，我们提出了一个GNN启用多路径路由（GMR）计划，以最大限度地提高网络效率。特别地，我们首先将多路径路由问题表示为带宽限制和流量守恒约束下的随机优化问题，并进一步提出了一种用于中心路由计算的链路不相交多路径路由（LDMR）方案，其中联合考虑了可用的传输路径和不均匀的流量密度，以最大限度地提高链路利用率。然后，为了平衡不同路径的负载分布，基于GNN的多路径流量工程（GNNMPTE）算法设计的动态分流的基础上估计的路径质量。

多路径路由规划：

目前网络中路由方案大多为单路径路由，基于给定限制寻找一条最优路径，只有该路径失效时才会重新计算或者选用备用路径，这种做法有以下三个不足：

• 大部分情况下其他多数路径都处于空闲状态，不能很好地利用网络资源
• 当数据量较大时，容易造成网络拥塞
• 不能很好实现业务驱动网络，由于业务对网络要求不同，如带宽、时延、丢包率等，但单路径路由不会进行区分服务。

来自：
作者：lifesmily
链接：https://www.jianshu.com/p/8698738687c4
来源：简书

Low Earth Orbit (LEO) mega satellite：低地球轨道巨型卫星；

为了满足日益增长的卫星业务，多路径路由被认为是最有效的方式，与单路径路由相比，多路径路由具有增加可靠性、减少丢包和恢复故障等显著优势。

为了有效降低卫星处理的压力，通过引入软件定义网络（SDN）技术，在更强大的地面控制器中集中执行路径计算。

此外，由于低轨卫星具有高密度的星间链路（ISL）和丰富的可用路径，同时为每个流规划多条链路不相交的传输路径是提高网络传输性能的一种合适方法，该方法综合考虑了整个网络的链路利用率和全球人口分布导致的数据流密度不均匀，以实现公平的资源占用。

最近，深度强化学习（DRL）在学习时间和空间交通特征以做出交通工程（TE）决策方面显示出巨大的潜力，并且人们越来越有兴趣利用DRL进行自适应交通分布，而不是静态流分割方法。

然而，基于DRL的模型需要聚合连续的拓扑快照，用于在这种动态卫星环境中进行决策，具有高维和稀疏的状态空间，其中模型的维度随着星座大小和业务需求的扩展而急剧增加，导致可扩展性差。

traffic dispersion：交通疏导

elephant flows：大流量

sharp packet loss：急剧的丢包