| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 群智感知网络概述 | 第15-20页 |
| 1.1.1 基本概念 | 第15-16页 |
| 1.1.2 系统结构 | 第16页 |
| 1.1.3 网络特征 | 第16-18页 |
| 1.1.4 应用场景 | 第18-19页 |
| 1.1.5 问题与挑战 | 第19-20页 |
| 1.2 群智感知系统中任务分配问题 | 第20-23页 |
| 1.2.1 问题定义 | 第20-21页 |
| 1.2.2 技术难点 | 第21-22页 |
| 1.2.3 场景分类 | 第22-23页 |
| 1.3 本论文的组织结构 | 第23-25页 |
| 第二章 国内外研究现状 | 第25-33页 |
| 2.1 考虑无偿用户的相关研究 | 第25-28页 |
| 2.1.1 相关研究回顾 | 第25-27页 |
| 2.1.2 相关技术总结 | 第27-28页 |
| 2.2 考虑有偿用户的相关研究 | 第28-33页 |
| 2.2.1 相关研究回顾 | 第28-30页 |
| 2.2.2 相关技术总结 | 第30-33页 |
| 第三章 分布式的最优感知任务分配方法研究 | 第33-53页 |
| 3.1 系统建模与问题定义 | 第34-37页 |
| 3.1.1 系统建模 | 第34-36页 |
| 3.1.2 问题定义 | 第36-37页 |
| 3.2 基于对偶分解的分布式算法设计 | 第37-39页 |
| 3.2.1 基于对偶分解的算法 | 第37-38页 |
| 3.2.2 收敛性分析 | 第38-39页 |
| 3.3 基于最优定价条件的分布式算法设计 | 第39-45页 |
| 3.3.1 定价问题 | 第39-41页 |
| 3.3.2 基于定价架构的分布式算法 | 第41-42页 |
| 3.3.3 收敛性分析 | 第42-45页 |
| 3.4 性能评估 | 第45-50页 |
| 3.4.1 仿真设定 | 第46-48页 |
| 3.4.2 实验结果 | 第48-50页 |
| 3.5 本章小结 | 第50-53页 |
| 第四章 系统整体目标近似最优的在线感知任务分配方法研究 | 第53-75页 |
| 4.1 系统建模和问题定义 | 第54-59页 |
| 4.1.1 系统建模 | 第54页 |
| 4.1.2 在线控制框架 | 第54-56页 |
| 4.1.3 问题定义 | 第56-59页 |
| 4.2 在线控制 | 第59-67页 |
| 4.2.1 在线控制算法 | 第60-64页 |
| 4.2.2 分布式实现 | 第64-65页 |
| 4.2.3 最优性和稳定性分析 | 第65-67页 |
| 4.3 仿真测试 | 第67-71页 |
| 4.3.1 仿真设定 | 第67-69页 |
| 4.3.2 测试结果 | 第69-71页 |
| 4.4 原型系统 | 第71-72页 |
| 4.4.1 系统实现 | 第71-72页 |
| 4.4.2 实验结果 | 第72页 |
| 4.5 本章小结 | 第72-75页 |
| 第五章 面向策略性节点的在线感知任务分配方法研究 | 第75-97页 |
| 5.1 研究动机 | 第76-77页 |
| 5.2 系统建模与问题定义 | 第77-82页 |
| 5.2.1 系统建模 | 第77-79页 |
| 5.2.2 问题定义 | 第79-81页 |
| 5.2.3 方法概述 | 第81-82页 |
| 5.3 在线用户雇佣算法 | 第82-87页 |
| 5.3.1 问题分解 | 第82-85页 |
| 5.3.2 算法设计 | 第85页 |
| 5.3.3 最优性分析 | 第85-87页 |
| 5.4 在线支付策略 | 第87-91页 |
| 5.4.1 逆向拍卖模型 | 第87-88页 |
| 5.4.2 支付策略设计 | 第88页 |
| 5.4.3 理论分析 | 第88-91页 |
| 5.5 性能评估 | 第91-95页 |
| 5.5.1 仿真设定 | 第91-92页 |
| 5.5.2 实验结果 | 第92-95页 |
| 5.6 本章小结 | 第95-97页 |
| 第六章 总结与展望 | 第97-99页 |
| 6.1 工作总结 | 第97-98页 |
| 6.2 后续研究计划 | 第98-99页 |
| 参考文献 | 第99-111页 |
| 致谢 | 第111-113页 |
| 攻读学位期间发表的学术论文 | 第113-115页 |
| 攻读学位期间参与的项目 | 第115-117页 |
| 攻读学位期间申请的专利 | 第117-119页 |