《移动物联网资源管理与网络优化》在作者多年从事移动物联网相关领域教学和科研的基础上编写而成。《移动物联网资源管理与网络优化》系统地对移动物联网络接入、数据传输、实时计算和能量管理机制等方面的理论和应用进行阐述。
更多科学出版社服务，请扫码获取。
目录
第1章 社交车联网中服务质量感知的网络接入机制 1
1.1 研究背景与意义 2
1.2 研究现状 4
1.3 接入服务选择策略 5
1.3.1 系统模型 6
1.3.2 参数定义 7
1.3.3 接入服务的选择 8
1.4 接入服务质量感知的协同路由机制 11
1.4.1 网络模型 11
1.4.2 协同路由选择协议 13
1.5 性能分析 17
1.6 本章小结 21
第2章 移动物联网中社会感知的自适应网络接入与转发机制 22
2.1 引言 22
2.2 社交网络中继节点选择机制 25
2.2.1 社会属性判据 25
2.2.2 节点信任机制评估 27
2.2.3 基于信任度的社会感知用户分配策略 28
2.3 网络编码感知的自适应调度机制 32
2.4 基于萤火虫算法的最优化问题求解 34
2.4.1 萤火虫算法简介 35
2.4.2 萤火虫算法建模和问题求解 36
2.4.3 基于萤火虫算法的修复策略 37
2.5 性能分析 37
2.6 本章小结 40
第3章 高效数据分发中的隐私保护机制 41
3.1 引言 41
3.2 相关工作 43
3.3 系统及攻击模型 44
3.3.1 系统模型 45
3.3.2 攻击模型 46
3.4 基于用户隐私保护的系统设计 47
3.4.1 系统设计 47
3.4.2 详细设计 47
3.5 数据转发机制 51
3.5.1 移动预测 51
3.5.2 消息处理 53
3.5.3 节点激励保护机制 54
3.6 安全分析 55
3.6.1 基本思想 55
3.6.2 隐私保护 56
3.6.3 攻击抵御 56
3.7 性能分析 57
3.7.1 实验设置 57
3.7.2 对比算法 58
3.7.3 结果分析 58
3.8 本章小结 63
第4章 基于群智感知的时延敏感数据传输机制 64
4.1 引言 64
4.2 相关工作 66
4.3 系统模型及问题描述 67
4.3.1 系统框架 68
4.3.2 应用场景 69
4.4 基于群智感知的交通管理机制 69
4.4.1 全局目标 70
4.4.2 局部目标 70
4.4.3 激励机制 71
4.5 基于簇群的数据采集机制 72
4.5.1 数据采集 72
4.5.2 数据上传 72
4.5.3 服务响应 73
4.6 时延敏感的路由机制 74
4.6.1 移动模型 74
4.6.2 时延预测 75
4.6.3 路由决策 76
4.7 性能分析 78
4.7.1 实验设置 79
4.7.2 对比算法 79
4.7.3 结果分析 80
4.8 本章小结 82
第5章 基于协同过滤的车辆边缘内容传输机制 83
5.1 引言 83
5.2 相关工作 84
5.3 网络模型 85
5.4 基于协同过滤推荐的信息传输策略 86
5.4.1 用户相似性衡量 87
5.4.2 基于 k 近邻算法的邻居选择 87
5.5 基于马尔可夫模型的车辆移动性预测 88
5.6 算法描述和复杂度分析 91
5.7 性能分析 93
5.7.1 实验设置 93
5.7.2 参数训练 94
5.7.3 结果分析 95
5.8 本章小结 97
第6章 基于深度学习和三角图元的边缘车辆信息传输机制 98
6.1 引言 98
6.2 相关工作 99
6.3 基于三元关系的社交层模型 101
6.4 边缘车辆网络中基于深度学习的内容传输 103
6.4.1 基于完全三角图元的聚类算法 103
6.4.2 社交层聚类算法 104
6.4.3 基于深度学习的内容传输 105
6.4.4 算法复杂度分析 108
6.5 性能分析 108
6.5.1 实验设置 108
6.5.2 结果分析 109
6.6 本章小结 112
第7章 基于混合云计算的移动物联网卸载机制 113
7.1 引言 113
7.2 相关工作 114
7.3 系统模型和问题描述 115
7.3.1 系统模型 115
7.3.2 单用户计算卸载问题 117
7.3.3 多用户计算卸载问题 118
7.4 迭代启发式资源分配算法 121
7.4.1 决策矩阵 121
7.4.2 反馈函数 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 参数设置 123
7.5.2 分析结果 124
7.6 本章小结 128
第8章 面向高效数据分发的动态计算任务卸载机制 129
8.1 引言 129
8.2 相关工作 130
8.3 系统模型及问题描述 131
8.3.1 系统模型 131
8.3.2 微云模型 132
8.3.3 雾计算模型 133
8.3.4 流量卸载模型 135
8.3.5 问题描述 135
8.4 基于响应时间最小化的计算任务卸载算法 137
8.4.1 子优化问题描述 137
8.4.2 雾计算时延最小化 137
8.4.3 微云时延最小化 140
8.4.4 计算任务卸载算法 141
8.5 性能分析 141
8.5.1 实验设置 141
8.5.2 对比算法 142
8.5.3 结果分析 142
8.6 本章小结 145
第9章 车辆边缘网络中基于深度强化学习的智能卸载机制 146
9.1 引言 146
9.2 相关工作 147
9.2.1 基于深度学习的 CPS 148
9.2.2 基于 MEC 的 CPS 148
9.2.3 基于深度学习的 MEC 148
9.3 系统模型 149
9.3.1 通信模型 150
9.3.2 计算模型 151
9.4 问题描述 152
9.4.1 优化目标 152
9.4.2 卸载任务调度 153
9.4.3 基于深度强化学习的卸载 154
9.5 车联网中的深度强化学习 155
9.5.1 车联网中的强化学习 155
9.5.2 深度强化学习 155
9.6 基于深度强化学习的智能卸载系统 156
9.6.1 系统概要 157
9.6.2 基于双边匹配算法的任务调度 158
9.6.3 基于深度强化学习的计算卸载 160
9.7 性能分析 160
9.7.1 实验设置 160
9.7.2 实验结果 161
9.8 本章小结 164
第10章 智慧城市中绿色抗毁协作的边缘计算机制 165
10.1 引言 165
10.2 网络模型和设计框架 168
10.2.1 网络模型 168
10.2.2 设计框架概述 170
10.3 问题建模 171
10.3.1 问题描述 171
10.3.2 目标函数 172
10.3.3 边界分析 173
10.4 启发式算法 175
10.4.1 算法描述 175
10.4.2 复杂性分析 176
10.5 性能分析 176
10.5.1 真实环境拓扑和参数设置 176
10.5.2 总体传输功率的实验结果 177
10.5.3 f = 0.5 时的实验结果 178
10.5.4 f = 0.3 时的实验结果 180
10.5.5 f = 0.1 时的实验结果 181
10.6 本章小结 182
第11章 面向高效数据分发的协同能量管理机制 183
11.1 引言 183
11.2 相关工作 184
11.2.1 车联网中能量管理机制 184
11.2.2 车联网中雾计算方案 186
11.3 面向高效数据分发的智能能量采集机制 187
11.3.1 系统模型及问题描述 187
11.3.2 智能能量采集策略 189
11.3.3 实验分析 191
11.4 面向高效数据分发的节能任务调度机制 194
11.4.1 系统模型及问题描述 194
11.4.2 节能任务调度算法 196
11.4.3 实验分析 197
11.5 本章小结 199
第12章 基于区块链的电力存储能量交易机制 200
12.1 引言 200
12.2 研究现状 201
12.3 基于区块链的能源交易模型以及问题描述 202
12.3.1 基于区块链的能源交易模型 202
12.3.2 问题描述 203
12.3.3 问题分析 204
12.4 启发式算法 206
12.4.1 算法描述 206
12.4.2 时间复杂性分析 209
12.5 性能分析 209
12.6 本章小结 214
参考文献 215
书单推荐
