深空中继不再按队列顺序转发：月球与火星共享缓冲区，按信息新鲜度选包丢弃

深空中继的转发与丢弃决策不再按队列顺序决定，而是按信息对下游任务的新鲜度价值来选。 此前的FIFO、LIFO、EDF和Freshest-first等启发式规则不显式优化任务效用，在异质行星源之间还常导致服务不公平。 在64条共同留出流量轨迹、320个评估回合上，掩码拉格朗日PPO的平均聚合超额AoI低于全部四个基线，且对FIFO和EDF在每条轨迹上都更低。

中继把有限的传输机会优先分给最新鲜的包，而不是传得更多。 基线传输的总比特数和占用的中继—地球接触容量都高于该控制器。 该控制器的包投递率为0.860、比特投递率为0.686，丢弃数10.02，低于FIFO的16.20、LIFO的17.88、EDF的16.91和Freshest-first的16.78。

控制器把中继控制写成受约束的事件驱动半马尔可夫决策过程，用掩码拉格朗日PPO求解。 可行性掩码把无法在剩余接触窗口内完成传输的动作排除，拉格朗日乘子按完成的回合约束回报做投影更新。 策略只观测中继可得信息与已知接触计划，缓冲区状态用置换不变的均值—最大池化编码，训练与执行使用同一套物理掩码。

该结果针对一个已知接触计划、固定路由、单一受控中继的月球—火星—中继—地球场景，中继—地球传输为非抢占、不可续传。评估在DTNSim中完成，五种控制器使用相同的流量实现、接触机会、中继容量、过期语义与物理可行性规则，只在动作选择上不同。作者提出的下一步包括逐组件消融、接触计划不确定性、部分传输服务、多中继控制，以及与运行级DTN实现的验证。

作者说明结果是固定留出策略评估上的描述性统计，不构成统计显著性主张，也不构成对独立重训练稳健性的主张。有限时域约束与长期新鲜度服务保证不同，后者还需要赤字速率稳定这一条件。终端反射赤字是诊断状态变量而非约束回报，正值不意味着公平性约束被违反。该研究假设已知接触计划、固定路由、单一受控中继与非抢占不可续传传输。