声明
第1章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 本文的组织结构
第2章 理论基础与相关技术概述
2.1 车载自组织网络
2.2 车载自组织网中的车辆聚类
2.2.1 AP聚类算法概述
2.2.2 AP聚类算法的优势
2.3 多目标决策中多因素的权重分配
2.3.1 目标因素的主观权重分配方法—层次分析法
2.3.2 目标因素的客观权重分配方法—熵权法
2.4 车辆缓存策略
2.4.1 基于zipf-like定律的内容缓存
2.4.2 基于遗传算法的缓存
2.5 本章小结
第3章 基于车辆行驶轨迹和存储容量挑选授权车辆
3.1 系统模型
3.2 基于车辆行驶轨迹的AP聚类算法
3.3 基于主客观综合权重分配法挑选授权车辆
3.3.1 层次分析法计算多因素主观权重
3.3.2 熵权法计算多因素客观权重
3.3.3 多属性决策法挑选授权车辆
3.4 本章小结
第4章 基于zipf定律和预过滤遗传算法挑选缓存资源
4.1 引言
4.2 车辆请求缓存资源模型和问题描述
4.2.1 系统模型概述
4.2.2 问题概述
4.3 缓存问题求解
4.4 预过滤遗传算法解决资源缓存问题
4.4.1 缓存算法的优化
4.4.2 资源请求命中率及时间延迟的求解
4.5 本章小结
第5章 实验仿真及仿真结果分析
5.1 基于主客观综合权重分配方法的仿真实验
5.1.1 实验仿真参数
5.1.2 实验仿真结果对比分析
5.2 基于预过滤遗传算法缓存资源的仿真实验
5.2.1 实验仿真参数
5.2.2 实验仿真结果对比分析
5.3 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
