飞行自组织网络智能路由技术研究

第1章 绪论 1.1 研究背景及意义 1.2 国内外研究现状及待解决的主要问题 1.2.2 传统无线自组织网络路由协议研究 1.2.3 飞行自组织网络中路由算法研究 1.2.4 飞行自组织网络中智能路由算法研究 第2章 飞行自组织网络(FANET)研究 2.1 FANET相关概念及路由技术 2.1.2 FANET的特点及与其他自组织网络的区别 2.1.3 FANET的设计因素考虑 2.1.4 FANET应用场景 2.1.5 FANET路由技术研究 2.1.6 仿生物群集与无人机自主集群关系 2.2 网络性能衡量指标 2.2.1 数据包交付率 2.2.2 网络吞吐量 2.2.3 平均端到端延迟 2.2.4 平均抖动 2.2.5 归一化路由开销 2.3 NS3网络仿真系统软件 2.4 小结 第3章 具有*优链路评估的FANET低延迟路由协议 3.1 *优链路状态路由协议(OLSR) 3.1.2 OLSR中路由表计算 3.2 高动态场景下改进的OLOSR协议(MOLSR) 3.3 仿真与结果分析 3.3.2 仿真参数设置 3.3.3 仿真结果分析 3.4 小结 第4章 基于蚁群优化的FANET全面路由机制 4.1 蚁群算法的基本原理 4.1.2 蚁群算法特点 4.2 基本蚁群算法 4.2.2 基本蚁群算法收敛性研究 4.3 基于改进蚁群的FANET路由协议(ACA) 4.3.1 FANET的路由表示 4.3.2 改进蚁群路由更新规则 4.3.3 优化蚁群算法参数选择 4.3.4 改进蚁群的路由发现 4.4 仿真模拟及结果分析 4.4.2 仿真实验参数 4.4.3 仿真及结果讨论 4.5 小结 第5章 一种基于遗传算法的FANET高稳定路由方法 5.1 遗传算法的简介 5.1.2 遗传算法的发展历史 5.2 遗传算法基本原理 5.2.1 基本遗传算法的遗传操作 5.3 基于改进遗传算法的FANET路由协议(GAP) 5.3.2 遗传算法的改进 5.33 改进遗传算法在FANET中应用 5.3.4 改进遗传算法在FANET中路由选择 5.4 仿真模拟及结果分析 5.4.2 仿真实验参数 5.4.3 仿真结果和讨论 5.5 小结 第6章 基于神经网络的FANET高效率路由算法 6.1 人工神经网络 6.1.2 人工神经网络特点 6.1.3 人工神经网络的运行原理 6.1.4 反馈神经网络 6.1.5 玻尔兹曼机(Boltzmann machine) 6.2 连续型Hopfield神经网络算法基本原理 6.3 基于Hopfield神经网络算法的FANET路由协议(CHNNR) 6.3.2 CHNNR路由算法 6.4 CHNNR算法仿真模拟及结果分析 6.4.2 仿真环境参数设置 6.4.3 仿真结果与讨论 6.5 基于玻尔兹曼机的FANET路由协议(BMR) 6.5.2 动态路由优化方法的玻尔兹曼机 6.6 BMR算法仿真模拟及结果分析 6.6.2 仿真参数设置 6.6.3 结果与讨论 6.7 小结 第7章 群体智能的自组织网络路由飞行验证 7.1 自组织网络路由飞行验证平台设计 7.1.1 飞行验证平台硬件搭建 7.1.2 飞行验证平台软件设计 7.2 自组织网络智能路由飞行验证实验 7.2.1 改进蚁群算法智能路由的自组织网络飞行验证 7.2.2 本文其他几类改进算法智能路由的自组织网络飞行验证 7.2.3 飞行验证结果分析 7.3 小结 第8章 总结与展望 8.1 全文总结 8.2 后续研究 参考文献