首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于移动社交网络的群智计算任务分配算法研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-14页
    1.1 研究背景第10-11页
    1.2 研究意义第11页
    1.3 本文的研究内容第11-12页
    1.4 本文的组织结构第12-14页
第二章 国内外研究现状第14-20页
    2.1 群智计算国内外研究现状第14-16页
        2.1.1 群智计算简介第14页
        2.1.2 群智计算国内研究状况第14-15页
        2.1.3 群智计算国外研究现状第15-16页
    2.2 移动社交网络国内外研究现状第16-18页
        2.2.1 移动社交网络简介第16-17页
        2.2.2 移动社交网络国内研究现状第17页
        2.2.3 移动社交网络国外研究现状第17-18页
    2.3 本章小结第18-20页
第三章 基于最优用户组的群智计算任务分配算法第20-36页
    3.1 应用场景描述第20-21页
    3.2 问题描述第21-23页
    3.3 RUD值的计算第23-26页
    3.4 最优用户组的群智计算任务分配算法第26-30页
        3.4.1 算法描述第26-28页
        3.4.2 算法的复杂度分析第28-29页
        3.4.3 算法的最优性分析第29-30页
    3.5 对比算法第30-34页
        3.5.1 基于相遇的分配算法第30-32页
        3.5.2 基于最大RUD值的分配算法第32-34页
    3.6 本章小结第34-36页
第四章 群智计算任务分配算法的系统实验验证第36-64页
    4.1 实验验证系统的整体框架第36-39页
    4.2 实验验证系统的模块设计第39-51页
        4.2.1 用户信息模块第39-43页
        4.2.2 任务产生模块第43-46页
        4.2.3 任务分配模块第46-48页
        4.2.4 任务执行模块第48页
        4.2.5 结果回收模块第48-51页
    4.3 实验验证系统的激励机制第51-54页
        4.3.1 激励机制描述第51-53页
        4.3.2 方案分析第53-54页
    4.4 实验结果与分析第54-62页
        4.4.1 任务分配算法实验验证第54-55页
        4.4.2 分配算法实验结果及分析第55-60页
        4.4.3 激励机制实验验证第60页
        4.4.4 激励机制实验结果及分析第60-62页
    4.5 本章小结第62-64页
第五章 总结与展望第64-66页
    5.1 工作总结第64页
    5.2 进一步的研究方向第64-66页
参考文献第66-70页
致谢第70-72页
读期间发表的学术论文与取得的其他研究成果第72-74页
在读期间参加的科研项目第74页

论文共74页,点击 下载论文
上一篇:基于多通道的分层特征提取的图像识别
下一篇:自然场景下的文本定位与识别研究