| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| abstract | 第12-14页 |
| 第一章 绪论 | 第22-38页 |
| 1.1 课题的研究背景及意义 | 第22-24页 |
| 1.1.1 研究背景 | 第22-23页 |
| 1.1.2 研究内容、目的及意义 | 第23-24页 |
| 1.2 国内外研究现状 | 第24-35页 |
| 1.2.1 全覆盖充电规划 | 第25页 |
| 1.2.2 按需充电规划 | 第25-28页 |
| 1.2.3 基于区域划分的充电规划 | 第28-31页 |
| 1.2.4 协同充电规划 | 第31-33页 |
| 1.2.5 联合数据收集及充电规划 | 第33-35页 |
| 1.3 论文章节结构安排 | 第35-38页 |
| 第二章 相关理论与技术 | 第38-45页 |
| 2.1 无线可充电传感器网络充电规划问题分类 | 第38页 |
| 2.2 元启发式方法求解充电规划问题 | 第38-40页 |
| 2.3 离散烟花算法 | 第40-42页 |
| 2.4 强化学习和Q-learning算法 | 第42-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第三章 携带能量受限的WCE一对一充电规划算法 | 第45-71页 |
| 3.1 网络模型 | 第45-46页 |
| 3.2 周期性充电规划 | 第46-49页 |
| 3.3 WCE能量受限及节点功耗不均衡的三种情况 | 第49-51页 |
| 3.4 改进的周期性充电规划 | 第51-54页 |
| 3.5 优化目标及问题 | 第54页 |
| 3.6 算法设计 | 第54-60页 |
| 3.6.1 混合粒子群遗传算法 | 第55-58页 |
| 3.6.2 基于HPSOGA的充电规划算法 | 第58-59页 |
| 3.6.3 复杂度分析 | 第59-60页 |
| 3.7 仿真分析 | 第60-69页 |
| 3.7.1 仿真参数设置 | 第60页 |
| 3.7.2 实验设计 | 第60页 |
| 3.7.3 实验结果及分析 | 第60-69页 |
| 3.8 本章小结 | 第69-71页 |
| 第四章 带时间窗的WCE一对一充电规划算法 | 第71-91页 |
| 4.1 网络模型 | 第71-73页 |
| 4.2 充电时间窗 | 第73-74页 |
| 4.3 违反充电时间窗约束的惩罚 | 第74-75页 |
| 4.4 带时间窗的周期性充电规划 | 第75-77页 |
| 4.5 优化目标及优化问题 | 第77-79页 |
| 4.6 算法设计 | 第79-83页 |
| 4.6.1 离散禁忌烟花算法 | 第79-81页 |
| 4.6.2 基于DTSFWA的带时间窗充电规划算法 | 第81-83页 |
| 4.7 仿真分析 | 第83-89页 |
| 4.7.1 仿真参数设置 | 第83页 |
| 4.7.2 实验设计 | 第83-84页 |
| 4.7.3 实验结果分析 | 第84-89页 |
| 4.8 本章小结 | 第89-91页 |
| 第五章 携带能量受限的WCE一对多充电规划算法 | 第91-114页 |
| 5.1 网络模型 | 第91-92页 |
| 5.2 能量模型及充电模型 | 第92-93页 |
| 5.3 WCE的工作状态 | 第93-94页 |
| 5.4 WCE携带能量受限的三种情况 | 第94-98页 |
| 5.5 优化目标及优化问题 | 第98页 |
| 5.6 WCE携带能量受限的充电规划 | 第98-100页 |
| 5.7 移动路径规划策略 | 第100-101页 |
| 5.8 充电时间规划策略 | 第101-103页 |
| 5.9 混合模拟退火离散烟花算法 | 第103-107页 |
| 5.9.1 4-opt局部搜索方法 | 第103-104页 |
| 5.9.2 算法步骤 | 第104-105页 |
| 5.9.3 基于HSA-DFWA的一对多充电规划算法 | 第105-106页 |
| 5.9.4 复杂度分析 | 第106-107页 |
| 5.10 仿真分析 | 第107-113页 |
| 5.10.1 实验环境及参数设置 | 第107页 |
| 5.10.2 实验设计 | 第107-108页 |
| 5.10.3 实验结果及分析 | 第108-113页 |
| 5.11 本章小结 | 第113-114页 |
| 第六章 基于强化学习的多WCE充电规划算法 | 第114-141页 |
| 6.1 多WCE充电规划问题 | 第114-116页 |
| 6.2 优化目标及优化问题 | 第116-118页 |
| 6.3 MWCP的强化学习模型 | 第118-127页 |
| 6.3.1 MWCP与强化学习的映射关系 | 第118-119页 |
| 6.3.2 时间步 | 第119-120页 |
| 6.3.3 状态空间 | 第120-121页 |
| 6.3.4 动作空间 | 第121-122页 |
| 6.3.5 状态转移过程 | 第122-126页 |
| 6.3.6 奖励函数 | 第126-127页 |
| 6.4 算法设计 | 第127-133页 |
| 6.4.1 群智能强化学习 | 第128-129页 |
| 6.4.2 DFWA-Q算法 | 第129-131页 |
| 6.4.3 单次Q-learning算法 | 第131页 |
| 6.4.4 多学习者信息交换策略 | 第131-132页 |
| 6.4.5 复杂度分析 | 第132-133页 |
| 6.5 仿真分析 | 第133-139页 |
| 6.5.1 参数设置 | 第133页 |
| 6.5.2 实验设计 | 第133页 |
| 6.5.3 实验结果及分析 | 第133-139页 |
| 6.6 本章小结 | 第139-141页 |
| 第七章 总结与展望 | 第141-146页 |
| 7.1 论文研究总结 | 第141-143页 |
| 7.2 论文的创新点 | 第143-144页 |
| 7.3 未来研究展望 | 第144-146页 |
| 参考文献 | 第146-156页 |
| 攻读博士学位期间的学术活动及成果情况 | 第156-157页 |