| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 信任模型 | 第9-11页 |
| 1.2.2 激励机制 | 第11-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关知识 | 第15-23页 |
| 2.1 移动P2P网络概述 | 第15-16页 |
| 2.1.1 移动P2P网络的定义 | 第15页 |
| 2.1.2 移动P2P网络的体系结构 | 第15-16页 |
| 2.2 移动P2P网络中的问题 | 第16-17页 |
| 2.2.1 移动P2P网络中的安全隐私问题 | 第16页 |
| 2.2.2 移动P2P网络中“搭便车”问题 | 第16-17页 |
| 2.3 信任模型相关知识 | 第17-20页 |
| 2.3.1 信任的定义 | 第17页 |
| 2.3.2 信任管理机制的划分 | 第17-18页 |
| 2.3.3 移动P2P网络中信任模型的相关知识 | 第18-19页 |
| 2.3.4 信任模型的设计框架 | 第19页 |
| 2.3.5 信任模型中的关键问题 | 第19-20页 |
| 2.4 激励机制中的关键问题 | 第20-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 基于社会信任补充的信任模型 | 第23-34页 |
| 3.1 节点历史交易信息缺失情况下信任值计算 | 第23-26页 |
| 3.1.1 现有的解决方案 | 第23-24页 |
| 3.1.2 社会信任 | 第24-25页 |
| 3.1.3 社会信任计算 | 第25-26页 |
| 3.2 节点历史交易信息已知情况下信任值计算 | 第26-30页 |
| 3.2.1 直接信任值计算 | 第26-27页 |
| 3.2.2 推荐信任值计算 | 第27-28页 |
| 3.2.3 可信推荐节点集 | 第28-30页 |
| 3.2.4 综合信任值计算 | 第30页 |
| 3.3 仿真实现及分析 | 第30-32页 |
| 3.3.1 仿真环境及参数设置 | 第30-31页 |
| 3.3.2 节点历史交易信息未知仿真 | 第31-32页 |
| 3.3.3 恶意节点共谋行为仿真 | 第32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 基于模糊Q学习算法的激励机制 | 第34-47页 |
| 4.1 背景知识 | 第34-37页 |
| 4.1.1 Q学习 | 第34-35页 |
| 4.1.2 模糊推理系统 | 第35-36页 |
| 4.1.3 博弈论 | 第36-37页 |
| 4.2 基于神经网络的模糊Q学习算法 | 第37-41页 |
| 4.3 基于模糊Q学习进化博弈的激励机制 | 第41-44页 |
| 4.3.1 移动P2P网络节点之间博弈矩阵 | 第41-42页 |
| 4.3.2 纳什均衡 | 第42-43页 |
| 4.3.3 Q学习决策 | 第43-44页 |
| 4.4 仿真与分析 | 第44-46页 |
| 4.4.1 仿真环境及参数设置 | 第44页 |
| 4.4.2 模糊Q学习进化博弈决策模型Q值收敛速度 | 第44-45页 |
| 4.4.3 网络中自私行为节点数目变化 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 结束语 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 不足与展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 攻读硕士期间撰写的论文 | 第52-53页 |
| 致谢 | 第53页 |