VANET中路由算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景 | 第15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文研究内容及结构安排 | 第17-19页 |
| 第二章 车载网及相关算法简介 | 第19-29页 |
| 2.1 车载网概述 | 第19-21页 |
| 2.1.1 车载网体系结构 | 第19-20页 |
| 2.1.2 车载网络应用 | 第20页 |
| 2.1.3 车载网络特点 | 第20-21页 |
| 2.2 车载网路由算法分类 | 第21-24页 |
| 2.2.1 基于拓扑的路由协议 | 第22页 |
| 2.2.2 基于分簇的路由协议 | 第22-23页 |
| 2.2.3 基于位置的路由协议 | 第23页 |
| 2.2.4 基于电子地图的路由协议 | 第23-24页 |
| 2.3 强化学习理论与算法 | 第24-26页 |
| 2.3.1 马尔科夫决策过程 | 第24-26页 |
| 2.3.2 Q学习算法的介绍 | 第26页 |
| 2.4 小结 | 第26-29页 |
| 第三章 基于模糊推理的可靠路由算法研究 | 第29-45页 |
| 3.1 模糊推理基本理论及AODV算法简介 | 第29-32页 |
| 3.1.1 模糊推理介绍 | 第29-30页 |
| 3.1.2 AODV路由算法介绍 | 第30-32页 |
| 3.2 基于模糊推理的可靠路由算法的改进 | 第32-39页 |
| 3.2.1 车载网中路由可靠性分析 | 第32页 |
| 3.2.2 面向车载网的路由可靠性模型 | 第32-33页 |
| 3.2.3 基于模糊推理改进的路由可靠性模型 | 第33-38页 |
| 3.2.4 FR-AODV算法设计 | 第38-39页 |
| 3.3 实验结果与对比分析 | 第39-43页 |
| 3.3.1 实验对比指标 | 第39-40页 |
| 3.3.2 仿真场景及参数 | 第40-41页 |
| 3.3.3 仿真结果及分析 | 第41-43页 |
| 3.4 小结 | 第43-45页 |
| 第四章 基于Q学习和分簇的路由算法研究 | 第45-59页 |
| 4.1 相关算法介绍 | 第45-48页 |
| 4.1.1 QLAODV路由算法介绍 | 第45-46页 |
| 4.1.2 分簇式路由算法概述 | 第46-48页 |
| 4.2 基于Q学习和分簇的路由算法改进 | 第48-55页 |
| 4.2.1 QCRP算法中分簇机制的改进 | 第48-52页 |
| 4.2.2 QCRP算法中Q学习方法建模 | 第52-54页 |
| 4.2.3 QCRP算法的路由发现过程 | 第54-55页 |
| 4.3 实验结果与对比分析 | 第55-57页 |
| 4.3.1 仿真场景与实验 | 第55页 |
| 4.3.2 仿真结果与实验分析 | 第55-57页 |
| 4.4 小结 | 第57-59页 |
| 第五章 基于Q学习的负载均衡路由算法研究 | 第59-71页 |
| 5.1 负载问题分析及负载均衡路由算法介绍 | 第59-62页 |
| 5.1.1 车载网中负载问题分析 | 第59-61页 |
| 5.1.2 负载均衡路由算法N-AODV | 第61-62页 |
| 5.2 基于Q学习改进的负载均衡路由算法 | 第62-66页 |
| 5.2.1 改进的节点负载度量方法及拥塞控制机制 | 第62-64页 |
| 5.2.2 QLBP算法中Q学习的建模 | 第64-65页 |
| 5.2.3 QLBP算法的设计 | 第65-66页 |
| 5.3 实验结果与对比分析 | 第66-69页 |
| 5.3.1 仿真场景与参数 | 第66页 |
| 5.3.2 仿真结果与分析 | 第66-69页 |
| 5.4 小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |
