致谢 | 第1-6页 |
中文摘要 | 第6-8页 |
ABSTRACT | 第8-10页 |
目录 | 第10-13页 |
图表清单 | 第13-16页 |
1 引言 | 第16-26页 |
·研究背景及意义 | 第16-17页 |
·认知网络及其QoS机制的现状 | 第17-23页 |
·认知网络的概述 | 第17-18页 |
·认知网络框架 | 第18-21页 |
·认知网络特征 | 第21-22页 |
·认知网络的QoS机制概述 | 第22-23页 |
·论文的主要工作及创新点 | 第23-24页 |
·论文的结构 | 第24-26页 |
2 智能QoS保障机制的文献综述 | 第26-46页 |
·多径路由协议 | 第26-37页 |
·时延感知多径路由协议 | 第27-29页 |
·具有可靠性的多径路由协议 | 第29-31页 |
·最小代价多径路由协议 | 第31-34页 |
·高效节能的多径路由协议 | 第34-35页 |
·复合多径路由协议 | 第35-36页 |
·如何选择合适的多径路由协议 | 第36-37页 |
·资源预留方案 | 第37-42页 |
·资源预留协议——RSVP | 第38-39页 |
·基于RSVP的资源预留协议 | 第39-40页 |
·RSVP在移动环境中的应用 | 第40-41页 |
·其他方案 | 第41-42页 |
·流量预测模型 | 第42-45页 |
·小波神经网络 | 第43页 |
·混合神经网络模型 | 第43-44页 |
·蚁群算法和神经网络的结合 | 第44-45页 |
·小结 | 第45-46页 |
3 相关理论 | 第46-56页 |
·多径路由协议 | 第46-47页 |
·多径路由的定义及使用模式 | 第46-47页 |
·与单径路由的比较 | 第47页 |
·蚁群算法相关理论 | 第47-50页 |
·蚁群算法原理 | 第47-49页 |
·蚁群算法的步骤 | 第49-50页 |
·神经网络相关理论 | 第50-56页 |
·人工神经网络的发展概述 | 第50-51页 |
·神经网络的特征 | 第51页 |
·相关理论模型介绍 | 第51-56页 |
4 认知网络中基于蚁群算法的多径路由机制(AMP算法) | 第56-72页 |
·蚁群路由算法 | 第56-59页 |
·AMP算法思路的提出 | 第59-60页 |
·AMP算法 | 第60-66页 |
·AMP算法的网络模型设计 | 第60-61页 |
·AMP算法的路由约束 | 第61-63页 |
·AMP算法的步骤 | 第63-66页 |
·AMP算法的仿真分析 | 第66-69页 |
·网络丢包率 | 第67页 |
·网络时延 | 第67-69页 |
·剩余带宽 | 第69页 |
·本章小结 | 第69-72页 |
5 自适应的预留资源借用策略(RBFR策略) | 第72-88页 |
·RBFR策略的思路提出 | 第72-74页 |
·RBFR策略的系统模型建立 | 第74-75页 |
·模型中的资源分类 | 第74页 |
·模型假设及参数说明 | 第74-75页 |
·RBFR策略 | 第75-81页 |
·RBFR策略的资源分配规则 | 第75-76页 |
·RBFR策略的功能模块 | 第76-78页 |
·RBFR策略的步骤 | 第78-81页 |
·RBFR策略的额外资源归还 | 第81页 |
·RBFR策略的仿真分析 | 第81-86页 |
·仿真参数和场景 | 第81-82页 |
·仿真结果和分析 | 第82-86页 |
·本章小结 | 第86-88页 |
6 基于蚁群算法的网络流量预测模型(Ant Double-BP模型) | 第88-100页 |
·Ant Double-BP模型概述 | 第88-89页 |
·Ant Double-BP模型的思路设计 | 第89-90页 |
·Ant Double-BP模型的框架及具体步骤 | 第90-91页 |
·蚁群算法训练BP网络权值 | 第91-94页 |
·Ant Double-BP模型的仿真分析 | 第94-98页 |
·BP1网络剔除异常数据阶段 | 第94-95页 |
·小波分解阶段 | 第95-96页 |
·流量预测阶段 | 第96-98页 |
·本章小结 | 第98-100页 |
7 总结 | 第100-104页 |
参考文献 | 第104-114页 |
作者简历 | 第114-118页 |
学位论文数据集 | 第118页 |