请带我精读这篇文章，一段一段的来

好，我们就按“一段一段精读”来。先从**摘要（Abstract，第一页最上方那一整段）**开始。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

第1段：摘要（Abstract）

这段在做什么

用一段话把论文的问题→方法→结果全交代清楚，方便你判断“值不值得读”和“主要贡献在哪”。

逐句拆解（用自己的话复述 + 读懂要点）

1. 问题背景
   作者说：在超大规模LEO（低轨）卫星网络里做IoT数据回传，传统路由很吃力，典型痛点是：

• 收敛慢（路由学得慢/更新慢）
• 端到端跳数多（中继卫星太多）
• 时延高（尤其跳数多会叠加处理/排队/传播等延迟）
  (CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

2. 已有“智能路由”也没解决彻底
   即便用了Q-learning等智能方法，作者认为仍有提升空间：收敛效率、跳数管理、时延优化还不够。

读这一句时要抓住作者在“立靶子”：后面所有设计都围绕这三个指标。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

3. 核心方法：CoQGR（Q-learning + 合作博弈）
   作者提出一个组合式框架：CoQGR。关键不是“简单拼接”，而是“分工”——

• Q-learning模块：先快速学出一条“基础路径”（basic routing path），并用一种“贪心式动态优化Q表”的办法加速收敛。
• 博弈模块：在基础路径附近，基于“最大可信通信距离”（maximum trusted distance）组织卫星形成动态联盟（coalitions），对路径做进一步增强；目标是在相同可信距离约束下，能跳过不必要的中继卫星，减少跳数，从而降低端到端时延。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

4. 实验设置与对比对象
   仿真以Starlink星座为例，对比的是“近期面向大规模星座的Q-learning路由算法”。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

5. 结果（记住这三个数字）
   作者宣称相对对比方法：

• 收敛时间降低约 50%
• 跳数降低约 55.84%
• 平均时延降低约 41.39%
  这三项正好对应前面“立的三块靶子”。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

这段最关键的“概念钩子”

• 最大可信通信距离：后文会定义成“通信能力上限”和“可见距离上限”的较小者；它是后续“能不能跳过中继”的硬约束。
• 三阶段思路：先用Q-learning找路 → 再用合作博弈在可信域内改进 → 再进一步“跳点”压缩跳数。

一句话总结

摘要说：用“Q-learning快速找一条可用路”打底，再用“合作博弈+可信距离”把这条路变短（少跳）变快（低时延），仿真在Starlink上三项指标都显著下降。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

如果你准备继续，我就带你读下一段：引言（Introduction）开头第一段（从“AS THE large-scale low Earth orbit…”那段开始）。你回我一句“继续”，我们就进入第2段。

好，那我们把**引言（Introduction）**这一块作为一个“整体段落群”来精读：它主要完成 立背景→点痛点→回顾两条主流路线（RL / 博弈）→提出CoQGR并给出三阶段框架。

---

引言在说什么（读完你应该抓住的主线）

1) 为什么“大规模LEO星座”让路由变难？

作者先把场景钉死：Starlink、GW、OneWeb 这类**大规模低轨卫星网络（LLSNs）**快速部署，推动“空天地一体”（ISTN）成为6G关键组成部分。它们有全球覆盖、高吞吐优势，但路由很难做，原因集中在三点：

• 拓扑高度动态（卫星在动、相对几何关系持续变化）
• 链路频繁切换（handover）
• 星上算力/存储资源受限
  所以传统地面网络路由协议很难直接搬过来。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

紧接着作者举了几项“近期成果”来说明大家在努力：比如用RL提升动态适应性、用距离/背压思路减少跳数和端到端时延、分布式Q-learning逼近集中式性能等。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
但他们马上补刀：收敛速度、端到端时延、跳数优化在“超大星座”里仍然是关键难题。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

读者提示：这里其实是在把“论文三大指标”提前埋好——后面所有设计都围绕这三件事转。

---

2) 强化学习路线：做了很多，但仍卡在“三个难题”

作者在第二页更系统地总结RL相关工作：

• Q-learning类（QLRAs）通过动态更新策略提高效用/性能
• DQN类进一步吸收卫星环境动态性提升适应性
• 多目标、多路径、面向激光链路频繁变化的预测等也都有
  (CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

然后给结论：即便如此，多数方案还是容易出现
收敛慢、跳数多、对链路动态适应不足，难以同时满足实时性和稳定性需求。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

精读点：作者并不是否定RL，而是说“RL能找路，但在超大规模动态环境里，单靠它很难同时把收敛/跳数/时延都压下去”。这就为“要引入另一个机制”铺路。

---

3) 博弈论路线：为什么它适合来“补RL的短板”？

作者接着引入游戏论：它擅长刻画多智能体交互，可用于路径选择、链路分配、负载均衡；并区分：

• 非合作博弈：更像竞争式调度
• 合作博弈：强调资源共享与全局协同，适合联合传输、冗余路由、任务分配等
  (CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

并强调在动态卫星网络里，博弈论路由能提升鲁棒性、策略演化与环境适应性，因此可作为与RL并列的“智能路由强路线”。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

精读点：这段话的真实作用是——给“RL + 博弈”的混合方法合法性：RL负责学习与自适应，合作博弈负责“协同优化/冗余/鲁棒”。

---

4) 论文的核心主张：CoQGR + 三阶段“递进式优化”

引言最后把方案亮出来：CoQGR（Q-learning + 博弈论），“充分利用LLSN拓扑特性”，并通过三阶段过程递进优化端到端路由。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

作者把三阶段写得很“工程化”，你可以这样理解：

阶段1：Greedy Q-learning 先拿到“能用的基本路径”

• 用贪心Q-learning做预选路由，加速收敛、让选路更“合理”，得到 source→dest 的基本路径（basic path）
• 并且专门为大规模星座去优化探索系数（探索/利用权衡），进一步提升收敛效率
  (CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

你可以把它理解成：先把“找得到路、收敛别太慢”解决掉，作为后续优化的骨架。

阶段2：在“最大可信通信距离”约束下，用合作博弈扩展出“增强路径 + 备份路径”

• 在最大可信通信距离约束内，为基本路径沿途节点找“可信域”里的协作卫星
• 用联盟/合作博弈动态生成增强路径，并得到多个替代路由；还强调了“节点故障可快速切换备份路由”（附加功能）
  (CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

精读点：这里的“最大可信通信距离”非常关键——它既是物理/链路可行性边界，也是把博弈搜索空间压小、让算法可落地的边界。

阶段3：在密集星座里“智能跳点”，进一步减跳数、降时延

• 考虑星座密度与物理距离约束，对增强路径再做优化
• 跳过某些中继节点得到最终优化路径，从而显著降低端到端跳数与传输时延
  (CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

读者提示：这一步的工程含义通常是“可能需要更长距的ISL建立/切换”，它在后文（结论部分）确实会提到“激光链路切换可能带来额外时延”的权衡。

---

5) 图1在帮你建立系统直觉：这篇论文的网络模型长什么样

引言页右侧的**图1（Satellite network model）**就是标准“空天地一体 + 星间链路”示意：有地面网关（GW）、卫星、以及星间/星地链路，数据从源端经星间转发到目的端。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
它的作用是让你在后续读“系统模型（Section II）”时不至于迷路：节点是什么、链路有哪些、端到端路径怎么定义。

---

接下来读什么最关键

引言读完后，下一节（Section II）作者会把两件事数学化：

1. LLSN网络如何建模（节点/链路/约束）
2. 最大可信距离到底怎么计算、为什么这样定义（这会决定阶段2和阶段3能否成立）

如果你同意，我们下一次就直接进入 Section II：System Model（我会把“LLSN模型 + 最大可信距离模型”一起讲清楚，尽量保持整体性）。

行，那我就从Section II（系统模型）→ Section III（算法）→ Section IV（实验结果）→ 结论里的工程权衡，一口气把主线讲清楚，数学只保留“你需要知道它在约束什么”。 (CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

Section II：系统模型（你只要抓住两个“约束”）

1) 网络长什么样

他们把星座抽象成一个有向图：节点是卫星 + 地面网关GW，边是星间链路ISL + 星地链路SGL。每颗卫星默认只和“上下左右”四邻接卫星建ISL（典型Walker星座的四邻接规则），GW通过“最近距离”选择接入卫星。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

2) 关键约束：最大可信通信距离 D_max_trust

这篇论文后面所有“联盟扩展”“跳过中继”都靠它来兜底。作者把它定义成两部分取最小值：(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

• 通信能力上限：信号要能收到（发射功率/接收灵敏度 + 自由空间损耗决定最远能通多远）
• 可见距离上限：两颗卫星必须视距可见（还考虑了大气层100km以内的衰减影响，得到几何可见距离）

所以：既要“看得见”，也要“打得通”，最终可信距离就是两者的 min。可信距离画成一个“以卫星为球心的球域”，球域内的卫星叫“可信卫星集合”。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

直觉：这相当于把“可建立直连链路”的搜索范围硬裁剪，避免算法在1584颗星的全图上爆炸式搜索。

3) 时延怎么理解（不用背公式）

端到端时延分两类：

• 每跳本地开销：处理/排队/传输（跳越多，叠加越狠）
• 星间传播时延：与距离相关（光速传播）
  作者后面强调：为什么“减少跳数”能明显降时延？因为每少一跳就少一坨本地开销。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

Section III：CoQGR 的三段式策略（这篇论文的核心）

论文的整体框架图在 Fig.4：先用 Q-learning 得到可用路径，再用合作博弈“增强”，最后再做“跳点收敛”变成更短更快的路径。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

阶段1：Basic path（贪心Q-learning，目标：收敛快、先有路）

作者承认：纯Q-learning在大规模动态网络里容易收敛慢。他们做了两件很“工程”的加速：

1. Q表别随机初始化：利用星座拓扑可预测，先按“离目的地更近更好”的启发式把初始Q值设得更接近合理策略，减少盲探索。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
2. 探索率ε动态调：不仅随episode衰减，还看“Q值变化幅度”，变化大就多探索，趋稳就收敛利用。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

奖励函数的直觉也很简单：既惩罚排队/拥塞，又鼓励朝目的地变近，还加了“形成环路就重罚”，避免路由兜圈。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

你可以把这一段理解成：用RL把“路由骨架”先搭起来，而且尽量让它快点稳定。

阶段2：Enhanced path（合作博弈，目标：在可信域里找更稳/更优的替代段）

做法是：对基本路径上的每个节点 $v_i$，在它的 D_max_trust 可信域里截一个局部子图，只在这个小图里枚举从 $v_i$ 到“下一目标节点”（通常是基本路径的下一个节点 $v_{i+1}$）的候选路径。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

然后把“每条候选路径”当成一个联盟（coalition）：

• 联盟价值 = 负的路径代价（代价越小，价值越大）
• 用 Shapley value 分摊每个节点对这条路径的贡献（本质是“公平分账”，也给后面做备份/鲁棒提供依据）
  最后选“价值最大”的那条作为增强段。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

这里还有个实用点：如果基本路径上某节点故障，可以快速切换到对应增强路径（论文说这是附加功能，不是主卖点）。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

直觉：Q-learning 负责“学会走”；合作博弈负责“在局部可信范围内，大家合作找更划算的走法，并准备备胎”。

阶段3：Optimized path（跳点收敛，目标：在可信约束下跳过中继，显著减跳数/降时延）

这是论文最“出效果”的一段，对应 Fig.5：增强路径可能仍然是“每步都走邻接卫星”，但在高密度星座里，很多中继其实可以跳过。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

他们把增强路径上的节点再抽象成一个新图：

• 只要路径上两个节点 $v_i$ 和更靠后的 $v_j$ 距离仍在 D_max_trust 内，就加一条“可以直达”的边（相当于允许跨越中间若干节点）。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
• 边权重用“传播时延 + 目标节点排队情况”来衡量（直觉：别为了少跳数把包扔进超级拥塞节点）。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
• 最后在这个图上跑最短路（文中用 Bellman-Ford）得到最终 optimized path。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

直觉：第二阶段是在“局部范围”找更好的路段；第三阶段是在“增强路径骨架上”做可信的shortcut，把路变短。

---

Section IV：实验怎么看（只看你关心的结论与现象）

仿真设置一句话

他们用 STK + MATLAB 搭平台，以第一代 Starlink 参数做星座（72轨道面、550km、每轨22颗等），并选了6个真实GW做端点。算出来 D_max_trust 在该参数下是 2012km（因为通信能力上限比可见距离更小）。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

1) 收敛：快约 50%

Fig.9 显示 CoQGR 收敛速度比对比的Q-learning基线快约 50%，而且收敛后更稳、回报更高。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

2) 跳数：平均优化比 55.84%

Fig.11/12：优化路径（optimized）跳数最少；并用一个 6×6 GW对 的热力图展示：平均“跳数优化比”约 55.84%。靠近极区的GW对更容易优化，因为那边卫星密度更高、shortcut机会更多。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

3) 时延：最终降到 41.39%

Fig.13/14 分别给出“不含本地开销”和“含本地开销”的端到端时延：

• 不含本地开销：optimized 约 62.53ms，对比Q-learning 96.53ms
• 含本地开销：optimized 约 71.24ms，对比Q-learning 121.55ms，下降约 41.39%
  作者强调：含本地开销时优势更明显，因为少跳数就少处理/排队/传输开销。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

结论里的工程提醒：少跳数不一定“白赚”

论文在结尾专门提醒：如果用的是光学ISL（激光链路），频繁建立/切换可能产生额外切换时延。它给了一个很直观的选择准则：当时间窗足够大、切换占空比影响不大时选 optimized；否则宁可用 enhanced。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

你下一步怎么读更省力

如果你不想陷入数学细节，我建议我们下一次直接精读两块“最有信息密度”的内容：

1. Algorithm 1/2/3 的关键设计点（为什么这样设计就能快/稳/少跳）
2. Fig.9–14 的实验图逐张解释（每条曲线代表什么、为什么会波动、哪些结论最扎实）

你想先看算法直觉还是先把实验图吃透？

他们的实验评估设计思路其实很“目标驱动”：围绕论文一开始立的三件事——收敛更快、跳数更少、时延更低——把实验拆成几组“能直接验证这些主张”的对比与图表，而不是堆很多场景。

---

1) 先把变量控住：让差异主要来自“路由策略”

为了避免应用层/业务模型把结果搅乱，他们采用简化的恒定比特率（CBR）流量模型：固定包大小、固定到达率，目的就是“消掉应用层不确定性”，把注意力集中在端到端时延与跳数的路由对比上。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

2) 做“分层对照”：既对外比，也对内拆（类似消融）

评估不是只拿 CoQGR vs 某算法一张图完事，而是把 CoQGR 自己拆成三种路径形态一起画出来：

• basic path（Q-learning阶段产物）
• enhanced path（合作博弈增强后）
• optimized path（可信距离约束下“跳过中继”的最终优化）
  并与外部基线 **Q-learning算法（文献[6]）**同图对照。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

这种设计的好处是：你能一眼看出每一阶段到底贡献了什么——比如跳数/时延的主要增益是不是来自第三阶段的“bypass”。（这就是评估上的“结构化归因”。）

另外他们还明确澄清：CoQGR里的“Base Path（内部贪心Q-learning得到的初始路）”不是外部对比用的“Greedy Q-learning算法[6]”，避免读者把基线混淆。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

3) 基线怎么选：为什么不用传统Dijkstra当主要baseline？

他们说传统最短路（如 Dijkstra）在大规模LEO里不适合当baseline，因为拓扑变化快、链路handover频繁，“静态最短路很快过时”。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
但他们并没有完全放弃最短路思路，而是引入 Dijkstra-BM 作为一个“benchmark参考线”，并解释它的平均跳数通常介于 enhanced 与 optimized 之间，同时“最短物理距离不一定意味着最少跳数”。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

这相当于：

• 主要baseline用“同类智能路由”（Q-learning[6]）来比公平性；
• 额外给一条“传统最短路参考线”（Dijkstra-BM）帮助读者定位上限/下限与直觉差异。

---

4) 三类核心指标，各自怎么测（思路层面）

A. 收敛速度：用“训练过程行为”来度量

他们对收敛的处理不是“固定每个episode跑多少步”，而是让 episode 以收敛条件结束：Q值变化低于阈值、Q表稳定、探索率 ε 衰减到 0.02。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
这样设计的意图是：收敛快的算法会更早满足稳定条件，体现为更快收敛、并且随着学习推进每个episode需要的步数会逐渐减少。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

B. 跳数：用“一个轨道周期内的动态平均”看稳定性与波动

跳数不是只测某一时刻，而是把 x 轴设为一个轨道周期内的时间（他们明确以一个周期来统计）。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
并且还做了一个 6×6 的 GW 对矩阵热力图，定义并展示“跳数优化比”（optimized 相对某基准的提升幅度），用来说明不同地理位置对优化空间的影响。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

C. 时延：故意拆成“去掉本地时延”和“包含本地时延”两张图

他们很刻意地画了两套端到端时延：

• 不计本地处理/排队等（只看传播等）(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
• 计入本地时延（每跳都会叠加处理/传输/排队）(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

这背后的评估逻辑是：

• 如果只看传播时延，减少跳数未必体现得特别夸张；
• 但一旦把“每跳本地开销”算进去，少跳数的优势会被放大，他们也用文字解释“跳数越少，优化效果越大”。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

同时他们还解释曲线波动来自拓扑动态性：在他们的星座规模下，同轨相邻卫星大约 260.86s 就会发生“可替换”变化，所以端到端时延在合理范围内自然起伏。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

如果你愿意，我下一步可以按他们的图（Fig.9–14）逐张告诉你：每张图在验证哪个主张、为什么这样画、读图时最容易误解的点是什么。

Dijkstra-BM 在这篇论文里不是“正式 baseline”，而是作者放进图里用来做参考标尺（benchmark）的：它代表“如果我每次都用传统 Dijkstra 去找一条最短物理距离的路径，会是什么水平”。

Dijkstra-BM 是什么

• 论文明确说：“Dijkstra-BM denotes the benchmark method computed using Dijkstra’s shortest path.” (CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
• 它追求的目标是最短物理距离（shortest physical distance）。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

你可以把它理解成：在某个拓扑快照上，把路径代价按“物理距离（或等价的传播距离）”去累加，然后用 Dijkstra 找最小的那条。

为什么作者不把 Dijkstra 当主要 baseline（但又拿来做对照）

作者给的理由很直接：在大规模 LEO 星座里拓扑变化快、链路切换频繁，静态最短路很快就过时，因此不适合作为主要 baseline。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
但它仍然有价值：作为“传统最短路思路”的参照，让你知道 CoQGR 的 enhanced/optimized 大概处于什么水平区间。

论文里用 Dijkstra-BM 来说明的 3 个现象（很关键）

1) 它的平均跳数落在 enhanced 和 optimized 之间

作者在 Fig.11（端到端跳数对比）里强调：Dijkstra-BM 的平均跳数介于 enhanced path 与 optimized path 之间。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

2) “最短距离 ≠ 最少跳数”

甚至有时候 Dijkstra-BM 的跳数会比 enhanced path 还多，原因是卫星分布不均匀，导致“走最短几何距离”可能需要更多段小碎步拼出来——所以 shortest distance is not always the fewest hops。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

3) optimized 往往能比它更少跳，并且在算上本地时延后甚至更低时延

作者解释：optimized 往往比 Dijkstra-BM 跳数更少，因为它利用“最大可信距离”允许在路径上**跳过某些中继节点（bypass）**进一步减跳。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)
并且在 Fig.14（包含本地处理/排队等本地时延）里，作者还点明：optimized 的端到端时延有时会低于 Dijkstra-BM，核心原因是“每一跳都会叠加本地开销”，少跳的收益会被放大。(CoQGR_A_Collaborative_Routing_Strategy_Integrating_Q-Learning_and_Cooperative_Game_Theory_for_Large-Scale_LEO_Satellite_Constellations.pdf)

---

如果你愿意，我们可以顺着 Fig.11/14 把“为什么 Dijkstra-BM 会出现距离更短但跳数更多、以及为什么算上本地时延后反而输给 optimized”用一个具体的路径直觉例子讲透（不涉及公式）。