移動物聯網資源管理與網絡優化

目錄
第1章社交車聯網中服務質量感知的網絡接入機制1
1.1研究背景與意義2
1.2研究現狀4
1.3接入服務選擇策略5
1.3.1系統模型6
1.3.2參數定義7
1.3.3接入服務的選擇8
1.4接入服務質量感知的協同路由機制11
1.4.1網絡模型11
1.4.2協同路由選擇協議13
1.5性能分析17
1.6本章小結21

第2章移動物聯網中社會感知的自適應網絡接入與轉發機制22
2.1引言22
2.2社交網絡中繼節點選擇機制25
2.2.1社會屬性判據25
2.2.2節點信任機制評估27
2.2.3基於信任度的社會感知用戶分配策略28
2.3網絡編碼感知的自適應調度機制32
2.4基於螢火蟲算法的優化問題求解34
2.4.1螢火蟲算法簡介35
2.4.2螢火蟲算法建模和問題求解36
2.4.3基於螢火蟲算法的修復策略37
2.5性能分析37
2.6本章小結40

第3章高效數據分發中的隱私保護機制41
3.1引言41
3.2相關工作43
3.3系統及攻擊模型44
3.3.1系統模型45
3.3.2攻擊模型46
3.4基於用戶隱私保護的系統設計47
3.4.1系統設計47
3.4.2詳細設計47
3.5數據轉發機制51
3.5.1移動預測51
3.5.2消息處理53
3.5.3節點激勵保護機制54
3.6安全分析55
3.6.1基本思想55
3.6.2隱私保護56
3.6.3攻擊抵禦56
3.7性能分析57
3.7.1實驗設置57
3.7.2對比算法58
3.7.3結果分析58
3.8本章小結63

第4章基於群智感知的時延敏感數據傳輸機制64
4.1引言64
4.2相關工作66
4.3系統模型及問題描述67
4.3. 1系統框架68
4.3.2應用場景69
4.4基於群智感知的交通管理機制69
4.4.1全局目標70
4.4.2局部目標70
4.4.3激勵機制71
4.5基於簇群的數據採集機制72
4.5.1數據採集72
4.5.2數據上傳72
4.5.3服務響應73
4.6時延敏感的路由機制74
4.6.1移動模型74
4.6.2時延預測75
4.6.3路由決策76
4.7性能分析78
4.7.1實驗設置79
4.7.2對比算法79
4.7.3結果分析80
4.8本章小結82

第5章基於協同過濾的車輛邊緣內容傳輸機制83
5.1引言83
5.2相關工作84
5.3網絡模型85
5.4基於協同過濾推薦的信息傳輸策略86
5.4.1用戶相似性衡量87
5.4.2基於k近鄰算法的鄰居選擇87
5.5基於馬爾可夫模型的車輛移動性預測88
5.6算法描述和復雜度分析91
5.7性能分析93
5.7.1實驗設置93
5.7.2參數訓練94
5.7.3結果分析95
5.8本章小結97

第6章基於深度學習和三角圖元的邊緣車輛信息傳輸機制98
6.1引言98
6.2相關工作99
6.3基於三元關係的社交層模型101
6.4邊緣車輛網絡中基於深度學習的內容傳輸103
6.4.1基於完全三角圖元的聚類算法103
6.4.2社交層聚類算法104
6.4.3基於深度學習的內容傳輸105
6.4.4算法複雜度分析108
6.5性能分析108
6.5.1實驗設置108
6.5.2結果分析109
6.6本章小結112

第7章基於混合雲計算的移動物聯網卸載機制113
7.1引言113
7.2相關工作114
7.3系統模型和問題描述115
7.3.1系統模型115
7.3.2單用戶計算卸載問題117
7.3 .3多用戶計算卸載問題118
7.4迭代啟發式資源分配算法121
7.4.1決策矩陣121
7.4.2反饋函數121
7.4.3算法描述122
7.4.4算法性能分析123
7.5性能分析123
7.5.1參數設置123
7.5.2分析結果124
7.6本章小結128

第8章面向高效數據分發的動態計算任務卸載機制129
8.1引言129
8.2相關工作130
8.3系統模型及問題描述131
8.3.1系統模型131
8.3.2微雲模型132
8.3.3霧計算模型133
8.3.4流量卸載模型135
8.3.5問題描述135
8.4基於響應時間小化的計算任務卸載算法137
8.4.1子優化問題描述137
8.4.2霧計算時延小化137
8.4.3微雲時延小化140
8.4.4計算任務卸載算法141
8.5性能分析141
8.5.1實驗設置141
8.5.2對比算法142
8.5.3結果分析142
8.6本章小結145

第9章車輛邊緣網絡中基於深度強化學習的智能卸載機制146
9.1引言146
9.2相關工作147
9.2.1基於深度學習的CPS 148
9.2.2基於MEC的CPS 148
9.2.3基於深度學習的MEC 148
9.3系統模型149
9.3.1通信模型150
9.3.2計算模型151
9.4問題描述152
9.4.1優化目標152
9.4.2卸載任務調度153
9.4.3基於深度強化學習的卸載154
9.5車聯網中的深度強化學習155
9.5.1車聯網中的強化學習155
9.5.2深度強化學習155
9.6基於深度強化學習的智能卸載系統156
9.6.1系統概要157
9.6.2基於雙邊匹配算法的任務調度158
9.6.3基於深度強化學習的計算卸載160
9.7性能分析160
9.7.1實驗設置160
9.7.2實驗結果161
9.8本章小結164

第10章智慧城市中綠色抗毀協作的邊緣計算機制165
10.1引言165
10.2網絡模型和設計框架168
10.2.1網絡模型168
10.2.2設計框架概述170
10.3問題建模171
10.3.1問題描述171
10.3.2目標函數172
10.3.3邊界分析173
10.4啟發式算法175
10.4.1算法描述175
10.4.2複雜性分析176
10.5性能分析176
10.5.1真實環境拓撲和參數設置176
10.5.2總體傳輸功率的實驗結果177
10.5.3 f = 0.5時的實驗結果178
10.5.4 f = 0.3時的實驗結果180
10.5.5 f = 0.1時的實驗結果181
10.6本章小結182

第11章面向高效數據分發的協同能量管理機制183
11.1引言183
11.2相關工作184
11.2 .1車聯網中能量管理機制184
11.2.2車聯網中霧計算方案186
11.3面向高效數據分發的智能能量採集機制187
11.3.1系統模型及問題描述187
11.3.2智能能量採集策略189
11.3.3實驗分析191
11.4面向高效數據分發的節能任務調度機制194
11.4.1系統模型及問題描述194
11.4.2節能任務調度算法196
11.4.3實驗分析197
11.5本章小結199

第12章基於區塊鏈的電力存儲能量交易機制200
12.1引言200
12.2研究現狀201
12.3基於區塊鏈的能源交易模型以及問題描述202
12.3.1基於區塊鏈的能源交易模型202
12.3.2問題描述203
12.3.3問題分析204
12.4啟發式算法206
12.4 .1算法描述206
12.4.2時間複雜性分析209
12.5性能分析209
12.6本章小結214
參考文獻215