基于群体智能的移动社交网络路由算法的设计
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 课题的研究意义 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 背景知识 | 第16-25页 |
| 2.1 社交网络简介 | 第16-19页 |
| 2.1.1 六度分隔理论 | 第17-18页 |
| 2.1.2 机会网络 | 第18-19页 |
| 2.2 移动社交网络简介 | 第19-22页 |
| 2.2.1 移动社交网络的概念 | 第19-20页 |
| 2.2.2 移动社交网络中的数据连接方式 | 第20-21页 |
| 2.2.3 移动社交网络的应用 | 第21-22页 |
| 2.3 群体智能优化算法 | 第22-24页 |
| 2.4 仿真工具 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于蚁群的移动社交网络路由算法设计 | 第25-40页 |
| 3.1 移动社交网络模型 | 第25-27页 |
| 3.2 蚁群算法简介 | 第27-28页 |
| 3.3 基于蚁群的ACOMSNet算法 | 第28-30页 |
| 3.3.1 信息列表的表示 | 第28-29页 |
| 3.3.2 信息列表的更新 | 第29页 |
| 3.3.3 节点转发策略 | 第29-30页 |
| 3.3.4 蒸发信息策略 | 第30页 |
| 3.4 仿真实验 | 第30-39页 |
| 3.4.1 算法在ONE平台具体实现方案 | 第31-32页 |
| 3.4.2 实验设置 | 第32页 |
| 3.4.3 实验结果 | 第32-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于粒子群的ACOMSNet算法的优化 | 第40-54页 |
| 4.1 粒子群算法简介 | 第40-43页 |
| 4.1.1 粒子群算法基本原理 | 第40-42页 |
| 4.1.2 粒子群算法的发展和应用 | 第42-43页 |
| 4.2 粒子群算法和ACOMSNet的融合策略 | 第43-47页 |
| 4.2.1 初始化粒子群 | 第44页 |
| 4.2.2 粒子群搜索策略 | 第44-45页 |
| 4.2.3 交叉和变异 | 第45-46页 |
| 4.2.4 基于QoS多约束的目标函数 | 第46-47页 |
| 4.3 仿真实验 | 第47-52页 |
| 4.3.1 实验设置 | 第47-48页 |
| 4.3.2 实验结果 | 第48-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 基于声誉值的移动社交网络路由激励机制 | 第54-64页 |
| 5.1 自私节点的危害性 | 第54-56页 |
| 5.2 现有的激励机制 | 第56-58页 |
| 5.3 基于声誉值的激励机制 | 第58-59页 |
| 5.3.1 节点交互策略 | 第58-59页 |
| 5.3.2 声誉值更新策略 | 第59页 |
| 5.4 仿真实验 | 第59-63页 |
| 5.4.1 实验设置 | 第59-60页 |
| 5.4.2 实验结果 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-67页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读学位期间本人的科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |
