摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第16-30页 |
1.1 研究背景 | 第16-19页 |
1.1.1 车联网 | 第16-17页 |
1.1.2 移动云计算 | 第17页 |
1.1.3 车云网络 | 第17-18页 |
1.1.4 边缘计算 | 第18-19页 |
1.2 车联网研究现状 | 第19-25页 |
1.2.1 车联网国内外研究现状 | 第19-21页 |
1.2.2 车联网现有研究存在的问题 | 第21-24页 |
1.2.3 论文研究必要性 | 第24-25页 |
1.3 论文研究内容及安排 | 第25-27页 |
1.3.1 论文主要工作与创新 | 第25-26页 |
1.3.2 论文结构及内容 | 第26-27页 |
1.4 本章小结 | 第27-30页 |
第二章 面向车联网应用的移动云网络架构设计与分析 | 第30-50页 |
2.1 引言 | 第30页 |
2.2 车联网主要应用及典型场景 | 第30-33页 |
2.2.1 车联网主要应用 | 第30-31页 |
2.2.2 车联网典型场景 | 第31-33页 |
2.3 面向车联网应用的分层云网络架构 | 第33-48页 |
2.3.1 分层云网络整体架构 | 第34-35页 |
2.3.2 车云网络 | 第35-38页 |
2.3.3 边缘云网络 | 第38-42页 |
2.3.4 远端云网络 | 第42-44页 |
2.3.5 多域资源感知与虚拟化 | 第44-45页 |
2.3.6 架构优势 | 第45-48页 |
2.4 本章小结 | 第48-50页 |
第三章 基于车云网络的计算资源分配策略研究 | 第50-66页 |
3.1 引言 | 第50-51页 |
3.2 系统模型 | 第51-57页 |
3.2.1 场景描述 | 第51-54页 |
3.2.2 模型构建 | 第54-57页 |
3.3 车云网络计算资源分配策略 | 第57-60页 |
3.3.1 系统状态转移概率 | 第58-59页 |
3.3.2 基于动态规划的计算资源分配算法 | 第59-60页 |
3.4 数值结果与分析 | 第60-63页 |
3.4.1 仿真场景与参数配置 | 第60-61页 |
3.4.2 结果与分析 | 第61-63页 |
3.5 本章小结 | 第63-66页 |
第四章 基于边缘云的缓存资源分配策略研究 | 第66-82页 |
4.1 引言 | 第66-67页 |
4.2 系统模型 | 第67-70页 |
4.2.1 场景描述 | 第67页 |
4.2.2 模型构建 | 第67-70页 |
4.3 边缘云网络缓存资源分配策略 | 第70-74页 |
4.3.1 基于增强学习的缓存资源分配算法 | 第70-74页 |
4.4 数值结果与分析 | 第74-81页 |
4.4.1 仿真场景与参数设置 | 第74-79页 |
4.4.2 结果与分析 | 第79-81页 |
4.5 本章小结 | 第81-82页 |
第五章 基于车-云协作缓存的边缘云通信与缓存资源联合分配策略研究 | 第82-102页 |
5.1 引言 | 第82-83页 |
5.2 系统模型 | 第83-89页 |
5.2.1 场景描述 | 第83-87页 |
5.2.2 模型构建 | 第87-89页 |
5.3 边缘云通信与存储资源联合分配策略 | 第89-94页 |
5.3.1 函数近似与策略梯度 | 第89页 |
5.3.2 基于深度确定性策略梯度的通信与缓存资源联合分配策略 | 第89-94页 |
5.4 数值结果与分析 | 第94-99页 |
5.4.1 仿真场景与参数设置 | 第94-96页 |
5.4.2 结果与分析 | 第96-99页 |
5.5 本章小结 | 第99-102页 |
第六章 结束语 | 第102-106页 |
6.1 论文主要工作总结 | 第102-103页 |
6.1.1 面向车联网应用的分层云网络架构 | 第102页 |
6.1.2 基于车云网络的计算资源分配策略研究 | 第102页 |
6.1.3 基于边缘云网络的缓存资源分配策略研究 | 第102-103页 |
6.1.4 基于车-云协作缓存的边缘云通信与缓存资源联合分配策略 | 第103页 |
6.2 全文展望 | 第103-106页 |
6.2.1 论文研究不足之处 | 第103-104页 |
6.2.2 未来研究展望 | 第104-106页 |
参考文献 | 第106-116页 |
附录一 缩略语列表 | 第116-118页 |
致谢 | 第118-120页 |
攻读学位期间发表的学术论文目录 | 第120-121页 |