| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-13页 |
| 1.2.1 认知无线电国外研究动态 | 第11-12页 |
| 1.2.2 认知无线电国内研究动态 | 第12-13页 |
| 1.3 海上船舶通信场景分析 | 第13-15页 |
| 1.4 论文研究内容及结构安排 | 第15-17页 |
| 第2章 理论基础 | 第17-29页 |
| 2.1 认知无线电及其相关技术 | 第17-21页 |
| 2.1.1 频谱感知 | 第17-18页 |
| 2.1.2 频谱共享和功率控制 | 第18页 |
| 2.1.3 资源调度 | 第18-21页 |
| 2.2 强化学习理论 | 第21-28页 |
| 2.2.1 强化学习概述 | 第21-22页 |
| 2.2.2 强化学习的基本框架 | 第22-25页 |
| 2.2.3 强化学习常用算法 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于图着色理论的满意度公平算法 | 第29-39页 |
| 3.1 基于图着色理论的满意度公平算法 | 第29-33页 |
| 3.1.1 场景分析 | 第29-30页 |
| 3.1.2 算法目标 | 第30页 |
| 3.1.3 数学模型 | 第30-31页 |
| 3.1.4 算法原理 | 第31-32页 |
| 3.1.5 算法流程 | 第32-33页 |
| 3.2 仿真结果及其分析 | 第33-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 基于Q-LEARNING的分布式资源调度算法 | 第39-49页 |
| 4.1 适用于动态信道业务特征的Q-LEARNING算法 | 第39-45页 |
| 4.1.1 场景分析 | 第39-40页 |
| 4.1.2 算法目标 | 第40页 |
| 4.1.3 算法原理 | 第40-43页 |
| 4.1.4 问题映射 | 第43-44页 |
| 4.1.5 算法流程 | 第44-45页 |
| 4.2 仿真结果及其分析 | 第45-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 基于多用户协作的分布式资源调度算法 | 第49-60页 |
| 5.1 场景分析 | 第49-50页 |
| 5.2 多智能体系统 | 第50-52页 |
| 5.2.1 基本概念 | 第50-51页 |
| 5.2.2 多智能体系统的协作机制 | 第51-52页 |
| 5.3 基于协作Q-LEARNING的资源调度算法 | 第52-55页 |
| 5.3.1 算法目标 | 第52页 |
| 5.3.2 算法框架 | 第52-53页 |
| 5.3.3 算法描述 | 第53-54页 |
| 5.3.4 算法流程 | 第54-55页 |
| 5.4 仿真结果及其分析 | 第55-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文和取得的科研 | 第67页 |
