提要 | 第4-5页 |
详细摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-28页 |
1.1 研究背景及意义 | 第12-14页 |
1.2 车载自组网概述 | 第14-25页 |
1.2.1 VANET的体系结构 | 第14-16页 |
1.2.2 VANET基本特征 | 第16-18页 |
1.2.3 VANET应用需求 | 第18-20页 |
1.2.4 VANET发展现状 | 第20-25页 |
1.3 本文的主要贡献 | 第25-27页 |
1.4 本文结构安排 | 第27-28页 |
第2章 车载自组网MAC层协议 | 第28-35页 |
2.1 引言 | 第28页 |
2.2 随机接入MAC协议 | 第28-30页 |
2.3 控制接入MAC协议 | 第30-31页 |
2.4 现有研究的不足 | 第31-34页 |
2.4.1 性能建模方面的不足 | 第31-33页 |
2.4.2 协议优化设计方面的不足 | 第33-34页 |
2.5 本章小结 | 第34-35页 |
第3章 IEEE1609.4/IEEE802.11P优先级广播服务性能分析 | 第35-55页 |
3.1 引言 | 第35-37页 |
3.2 相关工作 | 第37-38页 |
3.3 模型假设 | 第38-39页 |
3.4 IEEE802.11P建模 | 第39-45页 |
3.4.1 2-D马尔可夫退避模型 | 第40-44页 |
3.4.2 1-D马尔可夫信道模型 | 第44-45页 |
3.5 IEEE1609.4建模 | 第45-49页 |
3.5.1 延迟分析 | 第45-47页 |
3.5.2 模型的解 | 第47-49页 |
3.6 实验结果对比分析 | 第49-53页 |
3.7 本章小结 | 第53-55页 |
第4章 基于包价值函数的VANET动态博弈MAC接入 | 第55-79页 |
4.1 引言 | 第55-56页 |
4.2 相关工作 | 第56-58页 |
4.3 系统模型 | 第58-68页 |
4.3.1 随机博弈模型 | 第58-60页 |
4.3.2 部分可观测随机博弈模型 | 第60-68页 |
4.4 POSG模型的求解——多AGENT增强学习 | 第68-72页 |
4.4.1 Nash-Q学习 | 第68-69页 |
4.4.3 本文改进的Nash-Q学习 | 第69-70页 |
4.4.4 K-均值聚类 | 第70页 |
4.4.5 Actor-Critic算法 | 第70-71页 |
4.4.6 POSG模型求解的完整算法 | 第71-72页 |
4.5 数值结果 | 第72-78页 |
4.5.1 实验说明 | 第73-74页 |
4.5.2 结果分析 | 第74-78页 |
4.6 本章小结 | 第78-79页 |
第5章 总结与展望 | 第79-82页 |
5.1 全文总结 | 第79-81页 |
5.2 研究展望 | 第81-82页 |
参考文献 | 第82-93页 |
附录 | 第93-96页 |
作者简介及在学期间所取得的科研成果 | 第96-97页 |
致谢 | 第97-98页 |