距离向量 (AODV)

距离向量算法（Distance Vector Algorithm）是计算机网络中用于动态路由选择的核心协议机制，其本质是一种基于分布式计算的局部最优策略。该算法不依赖全局拓扑信息，而是通过相邻路由器间周期性地交换路由表（即距离向量），利用 Bellman-Ford 方程 D(i,j) = min[d(i,k) + D(k,j)] 进行逐跳度量值累积与更新。其核心在于维护一个包含目的地址、下一跳及代价（如跳数、带宽或延迟）的路由数据库，通过不断迭代消除环路并收敛至全局最优路径。尽管起源于早期的 RIP 协议，其思想已演变为现代复杂网络中多协议路由（如 OSPF 的链路状态基础）及大模型推理路径规划中的基础寻路逻辑。

在现代计算架构中，距离向量算法扮演着‘去中心化决策’的关键角色，特别适用于拓扑结构相对简单、节点数量可控或需要快速收敛的分布式系统。其核心价值在于实现低通信开销下的动态路由适应，当网络拓扑发生微小变化时，仅需受影响节点及其邻居参与计算，无需全网重算。然而，随着网络规模指数级增长，其固有的‘计数到无穷’（Count-to-Infinity）问题与收敛缓慢特性，使其在超大规模互联网骨干网中逐渐被链路状态算法取代，但在边缘计算、物联网（IoT）及特定场景下的模型推理路径搜索中，因其实现简单、内存占用低，仍具有不可替代的工程价值。