| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.1.1 无线传感器网络概念及特点 | 第11-12页 |
| 1.1.2 主要应用 | 第12-13页 |
| 1.1.3 研究意义 | 第13-14页 |
| 1.2 国内外发展现状 | 第14-15页 |
| 1.2.1 研究现状 | 第14页 |
| 1.2.2 发展趋势 | 第14-15页 |
| 1.3 论文的主要研究内容 | 第15-17页 |
| 1.3.1 存在问题 | 第15-16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 无线传感器网络智能协议研究的相关工作 | 第19-33页 |
| 2.1 无线传感器网络中传统网络协议的介绍 | 第19-23页 |
| 2.1.1 MAC层协议 | 第19-21页 |
| 2.1.2 网络层协议 | 第21-22页 |
| 2.1.3 总结与讨论 | 第22-23页 |
| 2.2 无线传感器网络中智能网络协议的研究现状与分析 | 第23-28页 |
| 2.2.1 介质访问控制(MAC)研究现状 | 第24-25页 |
| 2.2.2 路由研究现状 | 第25-26页 |
| 2.2.3 任务调度研究现状 | 第26页 |
| 2.2.4 总结与讨论 | 第26-28页 |
| 2.3 强化学习相关理论的研究 | 第28-32页 |
| 2.3.1 强化学习的基本概念 | 第28-29页 |
| 2.3.2 折扣型回报指标的强化学习算法 | 第29-30页 |
| 2.3.3 平均型回报指标的强化学习算法 | 第30页 |
| 2.3.4 总结与讨论 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于强化学习的无线传感器网络模型 | 第33-40页 |
| 3.1 问题描述 | 第33-34页 |
| 3.1.1 相关术语 | 第33页 |
| 3.1.2 框架映射 | 第33-34页 |
| 3.2 网络模型 | 第34-37页 |
| 3.2.1 参数定义 | 第34-36页 |
| 3.2.2 系统模型 | 第36-37页 |
| 3.3 马尔可夫决策过程 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于强化学习的智能时隙选择算法 | 第40-59页 |
| 4.1 基于TD学习和模糊平衡器的智能时隙选择算法 | 第40-48页 |
| 4.1.1 TD Learning与资格迹 | 第40-42页 |
| 4.1.2 模糊平衡器 | 第42-45页 |
| 4.1.3 算法分析 | 第45-48页 |
| 4.2 基于BOLTZMAN分布的Q学习的智能时隙选择算法 | 第48-53页 |
| 4.2.1 Q值函数与奖惩函数 | 第48-50页 |
| 4.2.2 Boltzman分布 | 第50-51页 |
| 4.2.3 算法分析 | 第51-53页 |
| 4.3 马尔可夫链收敛性证明 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 实物平台验证与结果分析 | 第59-80页 |
| 5.1 实物验证平台实现 | 第59-63页 |
| 5.1.1 硬件平台介绍 | 第59-60页 |
| 5.1.2 软件开发环境 | 第60-62页 |
| 5.1.3 程序运行流程 | 第62-63页 |
| 5.2 算法参数设置与调试 | 第63-68页 |
| 5.2.1 基本参数设置 | 第63-64页 |
| 5.2.2 学习率 | 第64-66页 |
| 5.2.3 温度因子 | 第66-68页 |
| 5.3 实测结果分析 | 第68-79页 |
| 5.3.1 对比协议及评价指标分析 | 第68-69页 |
| 5.3.2 数据包结构分析 | 第69-70页 |
| 5.3.3 实测验证结果与讨论 | 第70-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 论文工作总结 | 第80-81页 |
| 6.2 后续工作展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士期间发表的论文 | 第88页 |
