| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的背景 | 第9-10页 |
| 1.2 机会网络 | 第10-13页 |
| 1.2.1 机会网络概述 | 第10-11页 |
| 1.2.2 机会网络的路由 | 第11-13页 |
| 1.3 论文相关内容的研究现状 | 第13-15页 |
| 1.4 本文主要工作及创新点 | 第15-17页 |
| 1.4.1 主要工作 | 第15-16页 |
| 1.4.2 创新点 | 第16-17页 |
| 第二章 机会网络关键技术研究 | 第17-35页 |
| 2.1 机会网络路由相关技术分析 | 第17-25页 |
| 2.1.1 基于副本泛洪的Epidemic路由 | 第17-18页 |
| 2.1.2 基于预测与感知的路由 | 第18-20页 |
| 2.1.2.1 PROPHET路由算法 | 第18-19页 |
| 2.1.2.2 典型的PROPHET路由算法过程 | 第19-20页 |
| 2.1.3 基于社会关系的路由 | 第20-22页 |
| 2.1.3.1 BubbleRap路由算法 | 第20-21页 |
| 2.1.3.2 典型的BubbleRap算法过程 | 第21-22页 |
| 2.1.4 基于自适应学习的路由 | 第22-25页 |
| 2.1.4.1 基于信任机制的机会网络 | 第22-23页 |
| 2.1.4.2 基于信任机制的机会网络典型过程 | 第23-24页 |
| 2.1.4.3 基于信任机制在DTN网络存在的一些问题 | 第24-25页 |
| 2.2 蚁群算法综述 | 第25-28页 |
| 2.2.1 蚁群算法原理综述 | 第25-27页 |
| 2.2.2 蚁群算法在机会网络中的应用 | 第27-28页 |
| 2.3 神经网络技术综述 | 第28-31页 |
| 2.3.1 神经网络原理 | 第28-30页 |
| 2.3.2 机会节点的神经网络预测节点行为算法 | 第30-31页 |
| 2.4 中间件相关技术综述 | 第31-33页 |
| 2.4.1 中间件技术概述 | 第31-32页 |
| 2.4.2 机会网络节点的负载均衡概念 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于蚁群算法与神经网络的路由算法研究 | 第35-59页 |
| 3.1 基于蚁群回溯信息的机会网络路由算法研究 | 第35-43页 |
| 3.1.1 算法总体流程介绍 | 第35-36页 |
| 3.1.2 禁忌搜索路由算法 | 第36-39页 |
| 3.1.2.1 扩展禁忌表 | 第36-38页 |
| 3.1.2.2 启发式算法与局部最优解问题 | 第38-39页 |
| 3.1.3 蚁群路由算法 | 第39-43页 |
| 3.1.3.1 回溯路由消息 | 第39-40页 |
| 3.1.3.2 信息素浓度增长算法 | 第40-41页 |
| 3.1.3.3 信息素浓度蒸发算法 | 第41-43页 |
| 3.1.4 蚁群算法小结 | 第43页 |
| 3.2 机会网络中的BP神经网络预测路由算法 | 第43-51页 |
| 3.2.1 算法流程介绍 | 第43-44页 |
| 3.2.2 机会节点的神经网络算法的数学模型 | 第44-46页 |
| 3.2.2.1 神经元模型 | 第44-45页 |
| 3.2.2.2 机会节点的神经网络多层模型 | 第45-46页 |
| 3.2.3 误差的前向传播 | 第46-47页 |
| 3.2.4 机会网络参数设计 | 第47-50页 |
| 3.2.4.1 神经元参数设计 | 第47-49页 |
| 3.2.4.2 输入样本参数设计 | 第49-50页 |
| 3.2.5 神经网络小结 | 第50-51页 |
| 3.3 机会网络节点的负载均衡算法 | 第51-55页 |
| 3.3.1 机会网络节点的负载均衡 | 第51-52页 |
| 3.3.2 负载均衡算法设计 | 第52-54页 |
| 3.3.2.1 考虑历史消息数量的负载定义 | 第52-53页 |
| 3.3.2.2 考虑历史消息流量的负载定义 | 第53-54页 |
| 3.3.3 机会网络节点的负载均衡算法 | 第54页 |
| 3.3.4 机会网络节点的负载均衡算法小结 | 第54-55页 |
| 3.4 机会网络节点总体设计与实现 | 第55-59页 |
| 第四章 实验评价 | 第59-73页 |
| 4.1 实验环境 | 第59-62页 |
| 4.1.1 实验环境描述 | 第59-60页 |
| 4.1.2 实验平台搭建及参数设置 | 第60-62页 |
| 4.1.2.1 外部数据集属性描述 | 第60页 |
| 4.1.2.2 数据集特性 | 第60-62页 |
| 4.2 平台搭建及参数设置 | 第62-64页 |
| 4.2.1 衡量机会网络特性的主要指标 | 第62-63页 |
| 4.2.2 仿真配置参数 | 第63-64页 |
| 4.3 仿真结果 | 第64-71页 |
| 4.3.1 infocom06数据集 | 第64-67页 |
| 4.3.1.1 仿真结果与分析 | 第64-66页 |
| 4.3.1.2 性能-资源比与社区化属性 | 第66-67页 |
| 4.3.2 infocom05数据集结果与分析 | 第67-68页 |
| 4.3.3 MIT Reality Mining数据集 | 第68-70页 |
| 4.3.3.1 仿真结果与分析 | 第68-69页 |
| 4.3.3.2 平均负载情况分析 | 第69-70页 |
| 4.3.4 Author数据集仿真结果与分析 | 第70-71页 |
| 4.4 节点压力测试 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 总结及展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间的科研经历 | 第82页 |
| 攻读硕士学位期间合作发表的论文 | 第82页 |