移动物联网资源管理与网络优化

本书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。全书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。本书既可以作为计算机科学与技术、通信与信息系统、软件工程等专业的研究生教材，也可供IT领域的工程技术人员学习、使用和参考。

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基于萤火虫算法的很优化问题求解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基于接近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CPS148
9.2.2基于MEC的CPS148
9.2.3基于深度学习的MEC148
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
10.5.3f=0.5时的实验结果178
10.5.4f=0.3时的实验结果180
10.5.5f=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