基于分布式Q学习的WSN节点任务调度问题研究

无线传感器网络论文 任务调度论文 Q学习论文
论文详情
致谢第7-8页
摘要第8-9页
ABSTRACT第9-10页
第一章 绪论第15-26页
    1.1 研究背景第15-17页
    1.2 WSN研究及其应用第17-19页
    1.3 强化学习基本概念第19-23页
        1.3.1 强化学习原理第19-20页
        1.3.2 马尔科夫决策过程第20-21页
        1.3.3 强化学习基本要素第21-22页
        1.3.4 Q学习概述第22-23页
    1.4 国内外研究现状第23-24页
    1.5 论文结构安排第24-26页
第二章 基于分布式Q学习的WSN节点任务调度研究第26-37页
    2.1 问题描述第26-30页
        2.1.1 Q学习框架映射第26-27页
        2.1.2 目标函数第27-30页
    2.2 任务调度算法框架第30-36页
        2.2.1 基本元素第30-31页
        2.2.2 ε-greedy方法第31-32页
        2.2.3 值函数逼近器第32-34页
        2.2.4 算法描述和分析第34-36页
    2.3 本章小结第36-37页
第三章 基于改进SVM逼近的独立型Q学习的WSN节点任务调度算法第37-55页
    3.1 模型建立第37-42页
        3.1.1 学习模型第37-42页
        3.1.2 任务模型第42页
    3.2 任务调度算法第42-44页
        3.2.1 状态空间第43页
        3.2.2 回报函数第43页
        3.2.3 探索和利用策略第43-44页
    3.3 算法分析第44-45页
    3.4 实验与仿真第45-53页
    3.5 本章小结第53-55页
第四章 基于全局值函数的分布式Q学习的WSN任务调度算法第55-66页
    4.1 问题描述第55页
    4.2 模型建立第55-59页
        4.2.1 移动目标监测任务模型第56-57页
        4.2.2 基于全局值函数的分布式Q学习模型第57-59页
    4.3 基于全局值函数Q学习任务调度算法第59-61页
        4.3.1 基本元素第59-60页
        4.3.2 学习速度因子第60页
        4.3.3 算法步骤第60-61页
    4.4 仿真分析第61-65页
    4.5 本章小结第65-66页
第五章 总结和展望第66-68页
    5.1 总结第66-67页
    5.2 展望第67-68页
参考文献第68-72页
攻读硕士学位期间的学术活动及成果情况第72-73页
论文购买
论文编号ABS4568862,这篇论文共73页
会员购买按0.30元/页下载,共需支付21.9
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付36.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656