认知网络中基于网络状态和行为预测的路由及数据分发算法研究
摘要 | 第1-8页 |
Abstract | 第8-16页 |
第1章 绪论 | 第16-36页 |
·研究背景 | 第16-26页 |
·认知网络 | 第16-23页 |
·社群智能 | 第23-25页 |
·机会网络 | 第25-26页 |
·问题的提出 | 第26-30页 |
·背景 | 第26-27页 |
·研究现状 | 第27-30页 |
·论文的主要研究内容 | 第30-33页 |
·主要研究内容 | 第31-32页 |
·创新点 | 第32-33页 |
·组织结构 | 第33-34页 |
·课题来源 | 第34-36页 |
第2章 相关理论基础 | 第36-48页 |
·马尔可夫预测 | 第36-40页 |
·马尔可夫链 | 第36-37页 |
·转移概率 | 第37-40页 |
·群体智能优化算法 | 第40-44页 |
·概述 | 第40页 |
·蚁群优化算法 | 第40-44页 |
·拍卖理论 | 第44-46页 |
·正向拍卖 | 第44页 |
·反向拍卖 | 第44-46页 |
·本章小结 | 第46-48页 |
第3章 认知网络中基于流量预测的自适应路由算法 | 第48-68页 |
·引言 | 第48-49页 |
·相关工作 | 第49-50页 |
·单路径路由算法 | 第49-50页 |
·多路径路由算法 | 第50页 |
·适用于认知网络的流量预测模型 | 第50-54页 |
·现有的网络流量预测模型 | 第50-51页 |
·流量预测模型的选择 | 第51-52页 |
·MMSE的数学描述 | 第52-54页 |
·算法描述 | 第54-63页 |
·认知网络中基于流量预测的单路径路由算法 | 第54-58页 |
·认知网络中流量感知的多路径路由算法 | 第58-63页 |
·算法仿真及性能评价 | 第63-67页 |
·MWR和ATPRA性能评价 | 第63-65页 |
·ETAMR的性能评价 | 第65-67页 |
·本章小结 | 第67-68页 |
第4章 基于社会关系感知的移动节点位置预测算法 | 第68-82页 |
·引言 | 第68-70页 |
·基于社会关系的节点位置预测算法 | 第70-76页 |
·基于位置的节点移动应用场景 | 第70-72页 |
·马尔可夫链预测模型 | 第72-74页 |
·基于社会关系的预测优化 | 第74-76页 |
·实验分析 | 第76-80页 |
·仿真实验配置 | 第76页 |
·社会关系矩阵析取 | 第76-77页 |
·预测精确度分析 | 第77-80页 |
·本章小结 | 第80-82页 |
第5章 基于位置预测的生物启发式数据分发算法 | 第82-108页 |
·引言 | 第82-83页 |
·相关工作 | 第83-85页 |
·网络模型 | 第85-87页 |
·算法设计 | 第87-99页 |
·基于位置预测的数据分发算法 | 第87-93页 |
·基于蚁群优化的数据分发算法 | 第93-96页 |
·基于位置预测的生物启发式数据分发算法 | 第96-99页 |
·性能评价 | 第99-107页 |
·仿真环境部署 | 第99-101页 |
·性能评价指标 | 第101-102页 |
·移动节点数量的变化对性能的影响 | 第102-105页 |
·数据消息生命周期的变化对性能的影响 | 第105-107页 |
·本章小结 | 第107-108页 |
第6章 基于声望感知的用户激励及数据分发算法 | 第108-130页 |
·引言 | 第108-109页 |
·相关工作 | 第109-110页 |
·声望模型的研究现状 | 第109-110页 |
·激励机制的相关研究现状 | 第110页 |
·基于声望的参与式激励算法描述 | 第110-118页 |
·概述 | 第110-111页 |
·声望模块描述 | 第111-117页 |
·激励模块的描述 | 第117-118页 |
·基于参与者激励的数据分发算法 | 第118-121页 |
·分发数据的信任值计算 | 第120页 |
·数据分发执行过程 | 第120-121页 |
·性能评价 | 第121-129页 |
·仿真环境部署 | 第122-124页 |
·仿真结果 | 第124-129页 |
·本章小结 | 第129-130页 |
第7章 总结和展望 | 第130-134页 |
·全文总结 | 第130-133页 |
·工作展望 | 第133-134页 |
参考文献 | 第134-152页 |
致谢 | 第152-154页 |
攻读博士学位期间撰写的论著 | 第154-156页 |
作者攻读博士期间参与的科研项目 | 第156-158页 |
作者从事科学研究和学习经历简历 | 第158页 |