| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文研究内容及组织结构 | 第16-18页 |
| 1.3.1 论文主要研究内容 | 第16-17页 |
| 1.3.2 论文组织结构 | 第17-18页 |
| 第二章 车载网简介及相关算法介绍 | 第18-24页 |
| 2.1 车载网中相关技术研究 | 第18-20页 |
| 2.1.1 车载网链路层接入协议 | 第18-19页 |
| 2.1.2 车载网路由协议 | 第19-20页 |
| 2.2 Q学习算法和蚁群算法基本介绍 | 第20-23页 |
| 2.2.1 Q学习算法介绍 | 第20-21页 |
| 2.2.2 蚁群算法介绍 | 第21-23页 |
| 2.3 小结 | 第23-24页 |
| 第三章 基于Q学习改进的蚁群VANET路由算法 | 第24-40页 |
| 3.1 Q-ABR算法介绍 | 第24-27页 |
| 3.1.1 Q-ABR算法简述 | 第24-25页 |
| 3.1.2 Q-ABR算法具体实现及问题分析 | 第25-27页 |
| 3.2 基于信息素更新方式改进的AQ-ABR算法 | 第27-32页 |
| 3.2.1 改进的蚂蚁选路方式和信息素更新方法 | 第27-28页 |
| 3.2.2 AQ-ABR算法在车载网中的建模关键问题研究 | 第28-30页 |
| 3.2.3 AQ-ABR算法描述 | 第30-32页 |
| 3.3 实验结果与分析 | 第32-37页 |
| 3.3.1 实验场景介绍 | 第32-33页 |
| 3.3.2 实验度量标准 | 第33-34页 |
| 3.3.3 实验参数设置 | 第34-35页 |
| 3.3.4 实验结果和分析 | 第35-37页 |
| 3.4 小结 | 第37-40页 |
| 第四章 基于模糊推理的Q学习路由算法研究 | 第40-56页 |
| 4.1 模糊推理基本理论和AODV算法简介 | 第40-43页 |
| 4.1.1 模糊推理系统简介 | 第40-42页 |
| 4.1.2 AODV路由算法介绍 | 第42-43页 |
| 4.2 基于模糊推理改进的Q学习方法 | 第43-47页 |
| 4.2.1 车载网中路由路径评估问题分析 | 第43页 |
| 4.2.2 基于模糊推理改进的Q学习方法 | 第43-47页 |
| 4.3 基于改进的Q学习的FAODV算法 | 第47-49页 |
| 4.3.1 FAODV算法设计 | 第47-48页 |
| 4.3.2 FAODV算法建模 | 第48-49页 |
| 4.4 实验结果及分析 | 第49-53页 |
| 4.4.1 实验参数设置 | 第49-51页 |
| 4.4.2 实验结果和分析 | 第51-53页 |
| 4.5 小结 | 第53-56页 |
| 第五章 基于AODV协议改进的的负载均衡路由算法设计负载均衡路由算法设计 | 第56-66页 |
| 5.1 负载均衡路由算法AD-AODV算法简介 | 第56-58页 |
| 5.1.1 车载网中负载均衡简介 | 第56-57页 |
| 5.1.2 负载均衡算法AD-AODV算法概述 | 第57-58页 |
| 5.2 基于新时延度量方法的负载均衡路由算法改进与实现 | 第58-59页 |
| 5.2.1 AODV和AD-AODV算法问题分析 | 第58-59页 |
| 5.2.2 新的基于时延的链路负载度量方法 | 第59页 |
| 5.3 改进的N-AODV算法设计和建模 | 第59-61页 |
| 5.3.1 N-AODV算法设计 | 第59-61页 |
| 5.3.2 N-AODV算法建模 | 第61页 |
| 5.4 实验设计 | 第61-65页 |
| 5.4.1 实验参数设置 | 第61-62页 |
| 5.4.2 实验结果和分析 | 第62-65页 |
| 5.5 小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者者简介简介 | 第74-75页 |
| 1. 基本情况 | 第74页 |
| 2. 教育背景 | 第74页 |
| 3. 在学期间的研究成果 | 第74-75页 |
