車載網(wǎng)中路由算法研究.pdf

1、近幾年，隨著云計算，大數(shù)據(jù)等新興技術(shù)的發(fā)展，智慧城市、智能交通等概念也走進(jìn)人們的視野。車載網(wǎng)以其獨(dú)特的魅力和廣闊的市場前景吸引人們的目光。因此，針對車載網(wǎng)路由算法的研究也成為了一個熱點(diǎn)。本文結(jié)合車載網(wǎng)自身的特點(diǎn)，分析了Q-Learning，蟻群算法和模糊邏輯推理，以及目前存在的一些路由算法。針對一些算法的缺點(diǎn)，得到改進(jìn)方法，并通過仿真實(shí)驗(yàn)證明，改進(jìn)后的算法的可行性。
　　本文研究了Q-Learning和蟻群算法在車載網(wǎng)路由算法中的

2、應(yīng)用。分析Q-ABR算法，指出其信息素更新方式的不足之處，在此基礎(chǔ)上提出信息素更新的改進(jìn)方法。針對算法設(shè)計和建模過程中沒有考慮路由回路產(chǎn)生，路由出錯處理機(jī)制的問題，重新設(shè)計算法流程，彌補(bǔ)算法設(shè)計的不足使其更適用于車載網(wǎng)的環(huán)境，并重新對該算法建模。隨后，文中分析了AODV算法，指出采用跳數(shù)作為鏈路度量尋找最短路徑的不足之處?？紤]車載網(wǎng)的特點(diǎn)，利用模糊邏輯估計兩個節(jié)點(diǎn)之間的鏈路質(zhì)量，對Q-Learning進(jìn)行改進(jìn)。改變傳統(tǒng)Q-Learnin

3、g中折扣率不能根據(jù)具體的實(shí)際情況發(fā)生自適應(yīng)變化的缺點(diǎn)。利用模糊邏輯估計鏈路質(zhì)量并用得到的值替代Q-Learning中的折扣率。用Q-Learning算法對AODV算法進(jìn)行改進(jìn)，同時重新對該算法進(jìn)行建模。文中分析了車載網(wǎng)中負(fù)載均衡的問題和AD-AODV負(fù)載均衡算法的不足之處。指出 AD-AODV算法采用的鏈路度量方式的缺陷，針對該問題提出新的鏈路代價函數(shù)。同時對AODV算法進(jìn)行改進(jìn)，以實(shí)現(xiàn)負(fù)載均衡的策略并對改進(jìn)后的算法重新建模。仿真實(shí)驗(yàn)結(jié)