飞行自组网（无人机）我个人推荐看这篇综述，看这一篇其实就够了

[1] Oubbati O S, Atiquzzaman M, Lorenz P, et al. Routing in flying ad hoc networks: Survey, constraints, and future challenge perspectives[J]. IEEE Access, 2019, 7: 81057-81105.

这篇综述各个方面都讲了，但是可以把侧重点放在第4章的路由协议上。这里面讲得比较全，所以也显得有点乱，主要重点可以放在第17-19页。

Title：NDN-DPDK：在商用硬件上以100 Gbps的速率进行NDN转发

摘要:

由于命名数据网络（NDN）数据平面要求使用可变长度的分层名称以及每个数据包状态更新对可能较大的表进行基于名称的查找，因此实现高速NDN转发仍然是一个挑战。为了解决这一差距，我们开发了一种高性能NDN路由器，能够在商品硬件上运行时达到高于100 Gbps的转发速率。本文介绍了我们的设计并讨论了它的折衷。我们通过几种优化技术实现了这一性能，其中包括采用更好的算法和高效的数据结构，以及利用现代多核CPU和多硬件队列提供的并行性，并使用用户空间驱动程序绕过内核。我们的开源转发器是NDN的第一个软件实现，其吞吐量超过100 Gbps，同时支持完整协议语义。

论文区分为新提交和修订提交。新提交可以选择Word或PDF文件提交论文。只有当论文处于修订阶段时，才会要求你将论文按照“正确格式”进行验收，并提供发表文章所需的项目。

期刊介绍：

《计算机通信》是一份同行评议的国际期刊，为学术界和工业界的工程师、研究人员、顾问和系统经理提供有关计算机和电信技术理论和发展的关键论文。

计算机通信邀请科学文章（理论和实践）和调查论文，涵盖未来计算机通信网络的所有方面（所有层，物理层除外），特别关注互联网架构、协议、服务和应用程序的演变。

该杂志欢迎以下类型的投稿：

• 原创研究文章
• 综述文章，对科学主题进行全面综述

2. 两数相加 - 力扣（LeetCode）

给你两个 非空 的链表，表示两个非负的整数。它们每位数字都是按照 逆序 的方式存储的，并且每个节点只能存储 一位 数字。

请你将两个数相加，并以相同形式返回一个表示和的链表。

你可以假设除了数字 0 之外，这两个数都不会以 0 开头。

主机保持几个数据结构。对于每个 map 任务和 reduce 任务，它存储状态(空闲、正在进行或已完成)和辅助计算机的标识(对于非空闲任务)。主服务器是从映射任务传播中间文件区域位置以减少任务的管道。因此，对于每个完成的 map 任务，master 存储 map 任务生成的 R 中间文件区域的位置和大小。当地图任务完成时，将收到此位置和大小的更新信息。信息被递增地推送给正在进行减少任务的工人。

可以看出大致MapReduce的流程：启动一个Master(Coordinator协调者)分配多个任务给worker做Map任务。
然后Worker完成Map任务后返回中间值一组KV,接着协调者再将这些KV分发给后继的Worker根据KV进行Reduce任务，最后对Reduce进行一个总的处理进行返回。

Face接口：广义网络接口，可以理解为：

• 物理链路的接口；
• 与NFD远程节点的通信信道（接口）；
• 本地节点与本地应用程序的通信信道（接口）。

发送兴趣包返回数据包的代码在forwarder.c中，forwarder.c实际上包含六个函数，on_incoming_interest，onContentStoreMiss，onContentStoreHit，onOutgoingInterest，onIncomingData，onOutgoingData.

如果想要加入ACK包，应该添加两个函数,需要新添加一个包类型，ack类型的包，tlv如何编码和解码ack包，face部分应该添加一个send_ack方法。

应用层：

应用层协议主要负责数据分组的发送，处理和接收。可以将其看作物理网络中应用程序的网络传输部分。

YaNFD: Yet another Named Data Networking Forwarding Daemon

0. 摘要：

开发了 YaNFD 作为 NDN 的新软件数据包转发器。 YaNFD 实现了与现有 NDN 应用程序和转发器的兼容性，以及高吞吐量。 YaNFD 具有多线程转发功能，与现有实现相比，代码库更小、更精简，并且可以使用现有的 NDN 转发器管理实用程序和协议进行管理。在本文中，我们讨论了我们的实现，包括它与以前的转发器的不同之处，基于它们在多年的开发和使用过程中获得的经验教训。
此外，我们还展示了从零开始为 NDN 开发新转发器的经验中吸取的经验教训。

第9 章演员-评论员算法

演员-评论员算法是一种结合策略梯度和时序差分学习的强化学习方法，其中，演员是指策略函数πθ(a|s)，即学习一个策略以得到尽可能高的回报。评论员是指价值函数Vπ(s)，对当前策略的值函数进行估计，即评估演员的好坏。借助于价值函数，演员-评论员算法可以进行单步参数更新，不需要等到回合结束才进行更新。在演员-评论员算法里面，最知名的算法就是异步优势演员-评论员算法。如果我们去掉异步，则为优势演员-评论员（advantage actor-critic，A2C）算法。A2C 算法又被译作优势演员-评论员算法。如果我们加了异步，变成异步优势演员-评论员算法。