车联网中基于强化学习的任务卸载和调度算法任务书

 2022-01-28 22:02:41

全文总字数:2808字

1. 毕业设计(论文)的内容和要求

一、研究的意义 强化学习是指从环境状态到行为映射的学习,以使系统行为从环境中获得的累积奖励值最大。

Q-learning是一种无模型强化学习(Reinforcement learning, RL)方法,无需已知环境元素即可自主学习的特性。

随着智能车辆和互联车辆的快速发展,新的车辆应用不断涌现,而车辆的计算能力却十分有限。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 实验内容和要求

1. 查阅相关资料,能理解课题的意义;2. 学习并掌握基于强化学习的车联网任务调度算法的原理;3. 学习并掌握Python软件的使用;4. 利用进行算法仿真和测试,对比任务调度算法以验证本课题算法的有效性和优越性,并给出仿真及分析结果。

3. 参考文献

[1] 张敏,张银登,丁飞. 面向5G车联网连通性关键理论综述[J]. 南京邮电大学学报:自然科学版, 2018, 38(1): 1-10.

[2] 张建明, 詹智财, 成科扬等. 深度学习的研究与发展[J]. 江苏大学学报: 自然科学版, 2015, 36(2): 191-200.

[3]刘晓平,杜琳,石慧. 基于Q学习的任务调度问题的改进研究[J]. 图学学报, 2012, 033(003):11-16.

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 毕业设计(论文)计划

2020-12-31~2021-02-16 收集资料,熟悉课题。

寒假2021-02-17~2021-03-08 学习论文撰写规范,查阅资料,根据任务书要求,撰写开题报告。

第1-3周2021-03-09~2021-03-22 学习Q-learning算法并对现有的车联网任务卸载和调度算法进行调研与学习。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。