최근 차세대 통신시스템인 6G와 함께, 전 지구적 인터넷 공급을 가능케 하는 위성통신에 대한 많은 연구가 진행되고 있다. 특히, 상대적으로 낮은 고도에서 궤도운동을 하는 지구 저궤도 위성은 다른 위성 시스템에 비해 지구와의 거리가 가까워 통신 시스템 구성에 이점이 있다. 지구 저궤도 위성의 특성상 동일 궤도에 다수의 위성이배치되며, 위성이 빠른 속도로 공전하기 때문에, 향상된 통신 성능을 위한 위성 간 라우팅 기술 연구가 필수적이다. 이에, 본 논문에서는 기계학습 방법 중 하나인 강화학습을 활용하여, 지구 저궤도 위성 통신망 최적화를 위한라우팅 알고리즘을 제안한다. 우주 환경에서 발생 가능한 위성 토폴로지에 다양한 강화학습 알고리즘을 적용하고, 이를 통해 해당 알고리즘의 우수성을 평가함과 동시에 실제 우주 공간에서 위성 간 라우팅의 적용 가능성을 제시한다.
Recently, satellite communication has garnered significant attention as a novel industry capable of providing global internet access in conjunction with the next-generation communication system, 6G. Notably, low-Earth orbit satellites, operating at comparatively lower altitudes, offer an advantage in communication system configuration due to their closer proximity to Earth. The inherent characteristics of LEO satellites, such as their high orbital speed and deployment of numerous satellites in the same orbit, necessitate research into inter-satellite routing technology for enhanced communication performance. Consequently, this study presents a routing algorithm aimed at optimizing the LEO satellite communication network by employing reinforcement learning, a machine learning technique. By applying various reinforcement learning algorithms to satellite topologies that may arise in space environments, the superiority of the algorithm is assessed, and simultaneously, the feasibility of implementing inter-satellite routing in space is demonstrated.