| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状及趋势 | 第10-16页 |
| 1.2.1 工业互联控制网络发展历程 | 第10-12页 |
| 1.2.2 光载无线网络关键技术的研究 | 第12-13页 |
| 1.2.3 光载无线网络MAC层关键技术研究 | 第13-16页 |
| 1.3 本文的主要工作及结构安排 | 第16-17页 |
| 第二章P-坚持与强化学习理论及主要算法 | 第17-28页 |
| 2.1 P-坚持学习理论 | 第17-21页 |
| 2.1.1 工作原理 | 第17页 |
| 2.1.2 基于P坚持CSMA的IEEE 802.11 CSMA/CA | 第17-21页 |
| 2.2 强化学习的基本原理和模型 | 第21-23页 |
| 2.3 强化学习的主要组成要素 | 第23-24页 |
| 2.4 强化学习的主要算法 | 第24-26页 |
| 2.5 强化学习的应用 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于动态递推P-坚持的CSMA改进算法 | 第28-36页 |
| 3.1 标准P-坚持存在的问题 | 第28-29页 |
| 3.2 基于自计数的动态P-坚持算法 | 第29-30页 |
| 3.3 改进的基于动态递推周期的P-坚持算法 | 第30-32页 |
| 3.4 真实环境实验及结果分析 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于多态Q学习过程中经验共享的CSMA优化策略 | 第36-50页 |
| 4.1 Q学习算法存在的问题 | 第36-37页 |
| 4.2 基于多态Q学习的CSMA优化策略 | 第37-42页 |
| 4.2.1 系统模型和设置 | 第37-39页 |
| 4.2.2 定义节点状态空间 | 第39-41页 |
| 4.2.3 学习算法 | 第41-42页 |
| 4.3 基于多态Q学习过程中共享经验的CSMA优化策略 | 第42-46页 |
| 4.3.1 已有的共享经验的Q学习算法 | 第42-43页 |
| 4.3.2 过程中共享经验的Q学习算法 | 第43-46页 |
| 4.4 仿真实验及结果分析 | 第46-49页 |
| 4.4.1 模拟环境搭建 | 第46页 |
| 4.4.2 实验结果分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间主要成果 | 第56-57页 |
| 致谢 | 第57页 |
