一、面向对象的分布式仿真管理（论文文献综述）
庞卉淼[1]（2021）在《面向潮汐交通流的动态车道组方案评估系统设计与实现》文中进行了进一步梳理随着我国经济飞速发展,大规模的城市扩展与原有交通结构的不匹配导致交通拥堵等一系列问题愈发严峻。住职分离的城市格局形成了具有时空特性的潮汐交通流,潮汐拥堵对人们的生活和工作产生了巨大影响,造成了城市道路资源与空间的严重浪费,带来了不可忽视的社会损失与环境问题。在上述背景下,本文分析现有交通方案决策软件的不足,利用交通物联网传感器、分布式数据搜索引擎、流量数据分析、仿真引擎封装等技术优势,构建动态车道组与信号灯协同优化模型、层次分析法方案评估模型以及仿真需求模型,基于此设计并实现了面向潮汐交通流的动态车道组方案评估系统。交通管理人员可以利用此系统对潮汐交通流数据进行深度挖掘与特性分析,对于满足潮汐交通流特性的路段进行动态车道组与信号灯协同优化,获得时段路段下的车道组组合方式与信号灯配时方案,再利用封装的微型仿真模型进行方案验证和层次分析法评估模型综合评分,从而获得可信度高、真实可靠的交通方案决策。本文首先明确本系统的研究意义与现状,然后对系统使用的相关技术和算法理论进行介绍与研究,对系统进行需求分析与功能划分,并对系统中的关键难点与技术问题提出了相应的解决方案算法与技术实现:一、如何对海量交通流量与路网数据进行收集与使用。设计并优化基于ElasticSearch的分布式全文本数据搜索服务引擎来实现交通数据的高效持久化与搜索。二、如何对潮汐性交通拥堵进行有效优化与缓解。提出了协同优化双层模型,上层使用遗传算法结合梯度下降方法进行信号配时周期优化,下层构建根据车辆转弯比例快速预测最佳动态车道组组合模型。三、如何得到科学全面的方案评估结果。本文中根据效率、舒适度、经济和环境准则选取七项交通评估指标构建了层次分析法方案评估模型。最后对系统各模块进行具体实现,设计多项测试用例对各模块进行单元测试与集成测试,验证系统是否己满足功能与性能需求。
宋凯文[2]（2021）在《面向分层网络体系结构的分布式神经网络系统设计及算法研究》文中指出近十余年来,以深度神经网络为主的机器学习技术取得了长足的进步,这得益于高性能计算软硬件和实际应用的不断发展。现如今已有大量组织和企业提供基于机器学习系统向大众提供服务,例如面部、语音识别、照片优化等等。深度神经网络对算力的需求也不同以往,因此对分布式神经网络系统的需求也逐渐增加。另一方面,在边缘计算应用的不断深入,云端、边缘和终端的分层网络日渐成熟,这带来了更丰富的数据来源、计算设备、应用需求和隐私保护的挑战。为此,适用于分层网络体系结构的分布式神经网络系统应运而生。这种分布式神经网络基于分割网络的思想,能够充分利用各设备计算资源、在神经网络上联通用户与云端。分布式神经网络变化灵活,为解决模型计算、推理性能、提升实时性、改善用户服务质量提供了新的可能性。但同时分布式系统天生具有的复杂性也为分布式神经网络带来了挑战。分布式环境下,时常会有在线数据分布不一致的问题,这严重影响了模型的训练与实际性能。针对这种现状,本文从算法和系统两个方面对分布式神经网络进行了研究。本文的主要工作如下:1.本文提出神经网络分布式训练算法,在保护用户隐私的前提下,面向分层网络体系结构,对部署后的神经网络在线进行训练,缓解分布式神经网络部署前后数据分布不一致、终端间数据分布不一致所带来的影响。这种方法同样具有较好的灵活性,能有效的扩展,或与其它相关算法结合,进一步改善分层网络体系下分布式神经网络的表现;2.本文设计了方便在仿真网络环境中运行的分布式神经网络系统,结合Linux操作系统网络特性和现有机器学习主流框架,能够灵活的实现分布式神经网络相关算法和实验,对算法的性能进行测试,从而提升相关算法和系统的研究开发效率。本文进行了简单实验,测试了分布式神经网络仿真系统的有效性和相关性能,确保系统有效,为后续实验提供保障。最后本文通过搭建仿真网络,通过仿真系统实现分布式训练算法,针对数据分布不一致的问题设计实验,测试和对比分布式训练算法的实际性能。通过实验可以看到分布式训练算法能对分层网络下的分布式神经网络有效进行训练,在数据不一致的情况下达到良好的准确率,同时避免了分享用户原始数据造成的隐私泄露。同时,本文紧密的实验对算法的相关参数进行了测试,体现了算法的各项性能特点。
郭谦[3]（2021）在《海面环境下的无人船平行物理仿真平台的设计与实现》文中研究指明随着无人船集群技术的加速发展,海上无人系统的研发与训练也变得至关重要。有效的海上无人系统能够打破单船能力的局限性,协同集群中每艘无人船从而激发出整个集群的力量。然而训练海上无人系统需要大量且有效的无人船实验数据,无人船实验数据的获取不可避免地受到时间,环境,人力,财力等多种因素的限制,如何在短时间内低成本地获取海量训练数据将成为传统无人船训练系统一项新的挑战。本文经过对无人船训练系统的研究和分析,提出了一种海面环境下的无人船仿真平台。基于对海面环境的建模构建训练仿真环境,利用智能体建模方法对无人船进行抽象,从而对仿真对象进行统一高效管理。利用分布式架构部署仿真平台与无人系统,减小仿真平台与无人系统的耦合度,提高仿真平台的复用性。达到减少无人船训练系统的开发成本,提高无人系统训练效率的目的,最终将极大解决无人船实验数据获取少获取难的问题。针对仿真产生的训练数据缺乏真实性的问题,在无人船仿真平台基础上,本文提出平行物理仿真,首先分析海面环境因素再对海面环境进行建模与仿真,基于傅里叶变换对海浪进行模拟,利用物理引擎计算物理效应。从而使得无人系统借助仿真平台训练能够达到在传统训练系统内的训练效果。针对无人船控制接口与感知数据繁琐且复杂的问题,本文对无人船控制输入和感知输出的接口进行了抽象,简化了无人系统与仿真环境中无人船的交互方式,既保证了基于抽象接口的交互不会影响训练数据的正常生成,又保证了训练系统内的交互不会过于复杂,平衡了有效性和实用性。最后,本文通过设置对比试验对以上提出的仿真平台进行了功能验证,比较了平行仿真与一般仿真在数据有效性上的区别。再基于无人船协同对抗的场景,实现了海面环境下的无人船仿真与无人系统训练,验证了仿真平台的有效性和可行性。
陈鹏飞[4]（2021）在《面向多用户的微观交通仿真系统优化技术研究与应用》文中研究说明为了了解城市交通车流变化的时空规律,并解决现有城市交通存在的拥堵等现象,需要微观交通仿真来模拟解决。然而,现有的微观交通仿真存在规模小、扩展不易等缺点,并且在数据通信时冗余数据过多。基于以上背景,本文分析了现有的微观交通仿真系统的特点和不足,提出了面向多用户的微观交通仿真引擎体系结构,并针对交通仿真数据通信时冗余数据多等问题,提出了针对微观交通仿真数据通信的压缩算法,最终设计并实现了一套面向多用户的在线微观交通仿真系统,本文的主要研究内容与工作如下:（1）提出了面向多用户的分布式微观交通仿真引擎体系结构。针对现有微观交通虚拟仿真系统既无法支持多用户同时在线仿真,又难以大规模扩展等问题,本文提出了一种面向多用户的微观交通仿真引擎体系结构,在该体系结构之中,可支持多引擎同时提供仿真。本文还通过实验比对了单仿真引擎和多仿真引擎所支持的同时在线仿真的用户数,实验结果表明,在车辆容量为550的地图中仿真,一台普通的计算机作为仿真引擎能支持11个用户同时在线仿真。（2）提出了针对微观交通仿真系统数据通信的压缩算法。针对微观交通仿真系统之中数据通信时冗余数据过多等问题,提出了针对仿真数据通信时的压缩算法。该算法能够对于每一步的仿真数据,删除掉冗余的数据,保留相较于上一步仿真数据有变化的数据信息,以此方法来对交通仿真数据进行压缩。最后的实验结果表明,这种算法能够将仿真数据的大小减少28.48%,即对仿真数据进行了压缩,减小了仿真数据传输的网络压力。（3）设计并实现了一套面向多用户的微观交通仿真系统。本文根据所提出的分布式微观交通仿真引擎体系结构,并融入对于微观交通仿真数据的压缩算法,具体设计并实现了一套分布式微观交通仿真系统。并详细阐述了系统中的各功能模块,最后通过在线仿真来测试仿真系统功能。测试结果表明,本文设计的面向多用户的微观交通仿真系统具备在线仿真的功能,且支持多用户同时在线仿真等特点。
边子政[5]（2020）在《可扩展的分布式网络协议测试与验证系统》文中研究指明近些年来,随着云计算规模的不断扩大与可编程数据平面的逐渐普及,数据中心内的网络协议正发生着快速的变革。为保证新协议的稳定与可靠,需要在部署前对其功能与性能进行大量工程上的测试与验证。由于真实设备的成本较高,所以一般使用仿真环境进行操作。在该过程中,会遇到三个问题:第一,由于这些网络的规模较大,而传统网络仿真技术的性能有限,因此难以对整个网络进行真实流量的仿真;第二,现有系统对网络仿真的关注较多,而对网络协议测试验证技术的研究相对较少;最后,分布式仿真环境中的网络遥测技术有待进一步完善。因此,本论文针对上述问题,提出了一种分布式网络协议仿真与测试系统的设计方案。首先,系统使用了容器与隧道技术,使仿真网络的节点与链路能够同时运行于多台主机中,解决了大规模网络仿真中系统的扩展性问题;其次,由于在协议的开发及测试过程中,需要通过运行数据对其进行调试与分析,所以论文利用eBPF技术,提出了一种应用于分布式仿真场景下的带外遥测技术,它能够以较低的开销按需过滤与提取网络节点中的数据包;最后,论文还提出了一种基于测试用例的协议测试方法,并提倡以测试驱动的方式完成网络协议的开发与测试。此外,论文通过模拟为数据中心网络添加新协议及进行对比实验的方式,测试了系统的功能及性能。功能测试结果表明,系统对大规模网络的分布式仿真、带外实时遥测和协议的自动化测试验证都具有良好的支持。性能测试结果表明,系统在具有双核CPU和4GB可用内存的单机上,就可以仿真拥有约640个节点和1280条链路的网络。并且在具有多个工作节点的情况下,系统创建仿真网络时的性能具有显着的提升。
于欣佳[6]（2020）在《基于Stigmergy和神经内分泌调节机制的多智能体群智能自组织与调控方法研究》文中提出随着物联网与泛在感知、人工智能与学习进化、互联网与数字通信、大数据与新计算技术等新信息潮流的迅猛发展,席卷人类社会经济及生产生活的方方面面,以巨大的动能驱动着新一代智能交通、新经济新零售时代下的精准敏捷供应链与智慧物流,以及面向产品全生命周期的网络化与智能化制造等的兴起与飞速发展,使得基于契约化社会分工的一体化生产、运行控制、经营管理体系的规模与日俱增,也面临越来越多的动态多变、不确定性大、高非线性高阶高维高耦合性、异构异形异性等诸多问题,对分工协作、一体化运行、协同工作等的需求亦因此越来越复杂。针对这些复杂性问题的解决,非智能的传统方法已越来越无法有效地因应和难以跨越与克服上述困境。鉴于多智能体系统（Multi-Agent System,MAS）方法及社会性生物群体与人体生理系统在个体智能与群体自组织机制与协调协同方法对于很好地解决这些复杂性具有很大优势,本文围绕“基于共识主动性（Stigmergy）和神经内分泌调节机制的多智能体群智能自组织与调控方法”进行探讨、研究和试验,以为复杂环境下多协作任务基于多智能体群体智能自组织协同求解提供一种新思路、新方法。为此,本文通过对分布式人工智能、小世界网络理论、基于Stigmergy的仿生群智能、神经内分泌调节机制的探究分析,揭示师法人类机体、效法自然的自组织与运行调节机制对构建智能系统、提呈和涌现多智能体群体智能以实现复杂问题协同求解的重要性和作用机理,提出面向多任务协作求解的多智能体自组织调控问题模型及解决思路和方案;进一步地,提出并构建一种具有人脑认知与行为控制机制与结构和基于Stigmergy合作共识主动性与信息素/激素产生传播扩散机理实现对外交互合作的智能Agent模型及基于MAS的智能系统建模方法（The Stigmergy-driven&MAS-based Method of Modelling Intelligent System,SMMMIS）,以为在不同层次上构建智能系统提供体系框架和应用范式;为使能处于无序和/或远离平衡态的,具有不同智能能力的多智能个体因应不同复杂环境变化、自发自主动态形成有序、平衡的动态合作联盟—基于SMMMIS的分布式智能系统,通过对自组织的内涵理解、小世界理论机会发现与信息传播机理的揭示,提出了一种基于友元接力算法的多智能体群智能自组织机制;而且,通过对分布式/分散化智能系统传统自组织调控方法、社会性生物系统与智能系统的比较分析、共识主动性的再认知再理解,借鉴人体神经内分泌免疫系统及相互间的关联交互与共同作用、自我调节机制等用于多智能体协作协同解决复杂问题的优势,提出一种基于友元合作共识主动性和人体神经内分泌调节机制的多智能体群智能自组织机制和调控方法,包括友元共识主动性驱动的智能系统自主形成自组织机制下基于DNA双螺旋结构的信息素/激素模型及其传播扩散交互机制与亲和度计算方法、基于自分泌与激素作用机理的多智能体一致性协控制算法等,为探讨多智能体群体智能的形成涌现和发挥作用奠定了坚实基础;针对上述研究内容,在设计面向新一代零售的智慧仓储-无人超市系统一体化运控模型与,及构建多智能AGV协作取货搬运运行控制问题模型的基础上,开展智慧仓储/无人超市环境下支持多智能体协同工作的自组织方法模拟试验系统的设计、搭建与试验研究及结果分析。相关仿真和模拟试验结果表明:从原理上验证了面向复杂环境下多协作任务协同求解所提出的解决方案、智能系统建模方法,基于友元接力搜索算法和友元合作共识主动性的自组织机制及其驱动下的基于神经内分泌调节的群智能自组织调控方法与多智能体一致性调控算法等的合理性、可行性和可用性,可为因应如新一代基于车路协同的智能交通、新一代零售下的电商及敏捷供应链、智慧物流与仓储、配送快递、无人超市,乃至智能制造等复杂应用环境下多协作任务的协同工作和有效实现,提供一种新模型、新方法和应用策略与范式,具有较大的理论指导和实际参考应用价值。
冉惟之[7]（2020）在《基于群体智能的无人机集群协同对抗系统的设计与实现》文中进行了进一步梳理本论文依据动态对抗环境下无人集群协同感知、规划与控制的应用需求,设计典型无人机协同对抗应用场景,构建面向高速目标拦截的无人机集群执行电子对抗软件系统。无人机集群通过搭载低功耗的电子干扰设备,依据集群智能的无中心式协同控制模型实现无人机自适应协同任务分配、航路规划和抵近式干扰,形成对三维空间中多个随机方位高速入侵目标的持续拦截能力,实现对我方保护对象的安全保障。具体地,本论文构建了面向多智能体的集群协同软件体系架构,建立面向群体智能的无人机协同控制算法,通过实现形成无人机集群协同对抗仿真环境,系统地模拟了无人机集群自主协同决策过程。无人机仅依据局部态势的观测,通过构建模型空间信息素向量,基于对抗行为规则以及信息素的分布,进行无中心式的任务动态规划并自适应产生无人机飞行路径和干扰行为。该群体智能算法最终形成对入侵目标持续干扰欺骗的行为“涌现”,验证了无人机集群的自主决策与协同任务规划效能。本论文主要研究内容包括以下三部分:（1）无人机集群的软件多智能体建模,包括:对抗环境模型;无人机个体的智能体建模（无人机状态,对抗行为,无人机观测,无人机对抗效用等）;无人机集群的多智能体建模（集群协同效用目标,集群对抗状态与态势等）;入侵目标的智能体建模等;（2）面向群体智能的无人机集群协同对抗控制算法的构建,包括:无人机集群信息素构建,协同任务分配,个体航路规划与电子对抗行为规划等群体智能算法的设计与实现。（3）典型应用场景下无人机集群协同对抗仿真验证系统的实现,包括:无人机协同信息交互中间件的设计与实现;典型应用场景下的仿真环境的搭建;协同对抗效能的建模与可视化;对抗双方多智能体协同的设计与实现等。
刘铂熙[8]（2020）在《缓存、计算资源受限下无线网络吞吐量优化策略研究》文中进行了进一步梳理为将云计算下沉到网络边缘,边缘无线节点将逐渐具备文件缓存、任务处理功能。然而,经典的云-网分离的调度机制无法充分利用无线网络中分散的通信、计算和缓存资源。为应对资源受限与需求增长之间的矛盾,本博士论文以最大化网络吞吐量为目标,对通信、计算和缓存资源优化调度开展了系列研究。对可预测的多媒体通信需求,研究缓存资源受限下无线网络的流行文件放置问题,提前优化流行文件在网络内的缓存位置。进一步,对不可预测的计算型通信需求,研究计算资源受限下无线网络的计算型通信任务调度问题,实时均衡网络内中央处理器（Compute Processing Unit,CPU）和随机接入存储模块（Random Access Memory,RAM）的工作负载。同时,考虑到基于经典因特网协议（Internet Protocol,IP）地址的调度框架过度分离云-网的资源,导致调度开销过大的问题,将设计一种缓存、计算一体化调度框架,旨在降低高负载下无线网络的通信开销,从而提升网络吞吐量。主要贡献如下:1.针对缓存资源受限下无线网络吞吐量优化问题,本文优化任意网络拓扑下缓存文件放置策略。现有工作大多局限于单跳、单路径路由拓扑等假设,未考虑利用路由多样性提升本地缓存击中率,网络吞吐量难进一步提升。本文否定了资源受限下文件缓存策略次模性（Submodularity）,并分析了任意拓扑下联合缓存-路由联合优化的计算复杂度。进而针对可拥塞网络,提出一种基于随机凑整法（Randomized Rounding）的文件放置策略（Joint Caching and Routing of Arbitrary Topology,Jo CRAT）,保证了在任意拓扑下该缓存策略能提供至少次线性的近似比。带宽有限时,相比于经典缓存文件缓存策略提升网络吞吐量2倍以上。2.针对计算资源受限下无线网络吞吐量优化问题,本文优化任意网络拓扑下计算任务调度策略。现有工作未充分考虑网络拓扑变化对时延的影响。本文分析网络的拓扑结构特性对网络吞吐量的影响机理,并发现部分特殊场景下调度策略的最优解结构。针对一般场景,提出一种基于随机交替凑整法（Altarnative Rounding）的分布式任务调度策略（Joint Caching,Processing and Routing of Arbitrary Topology,Jo Ca PRAT）,保证最坏情况下吞吐量不低于最优值紧上界的常数倍。在显着改善网络内计算资源利用率的同时,相比于经典任务调度策略,所提Jo Ca PRAT策略的计算复杂度低一个数量级以上。3.针对基于IP调度框架依赖外部资源定位服务,如域名服务（Domain Name Service,DNS）等,缓存文件、接入计算资源带来的通信开销过大的问题,本文优化改进了IP组网架构,提出并实现基于面向对象组网（Object-oriented Networking,OON）的缓存-计算一体化调度框架,显着降低通信开销。并在网络仿真器-3（Network Simulator3,NS-3）平台上开展动态多媒体自适应业务分发与网络内转码功能的相关实验。实验结果表明,在自组织Wi-Fi网络中,OON显着降低多码率视频传输中信令对带宽的消耗,提升了网络吞吐量。
王文宰[9]（2020）在《分布式维修系统的飞行导航显示模型研究》文中提出导航显示是飞机电子仪表显示系统的一部分,负责为飞行员提供飞机无线电导航、组合导航、飞行计划等信息。针对导航显示的仿真研究不仅在飞行训练器上有用,在维护训练器上同样有重要作用。它是维护训练器与维护训练人员交互的接口,能够帮助训练人员了解飞机在空中时导航显示的正常和故障现象,使得训练人员对于维修对象有更加完整的认识。要在现有的分布式虚拟维修系统中添加飞行仿真工作,飞行导航显示功能实现是其中重要的组成部分,它不仅需要满足现有的分布式系统的交互需求和正常导航信息显示,还应包含内部的信息显示原理和故障信息处理,所以建立合适的飞行导航显示模型并对其进行仿真验证就有着至关重要的意义。以下为本文的主要研究内容:首先,介绍了现有分布式虚拟维修系统的结构和FTOP飞行仿真工具,研究了A320导航显示原理、功能、结构,在此基础上总结飞行导航显示模型的功能和性能需求。其次,提出利用多Agent仿真导航显示信息的传递流程,建立多Agent导航显示模型的整体结构,利用Agent建模方法详细的建立了各个Agent子模型。再次,将显示管理Agent中的导航显示信息转换为导航显示器（ND）的图形显示,包括飞行计划的显示、附近航路点信息显示、无线电导航显示等。最后,在分布式维修系统基础上搭建飞行导航显示模型,以飞行实验为例验证模型的可行性。
王霄霄[10]（2020）在《城市信号灯方案辅助决策仿真系统的设计与实现》文中指出随着我国经济社会的高速发展和城市化进程的推进,机动车的数量日益增加,随之带来的城市交通问题也日益凸显。诸如交通拥堵、交通事故和汽车尾气造成的环境污染等问题,对城市区域路网的通行效率和市政交通管理都造成了严重的影响,城市交通管理者们迫切需要寻找合理高效的交通管制方案解决这些问题。而在影响城市区域交叉口通行能力的众多因素中,交叉口信号灯优化控制是至关重要的因素之一,也是现代交通管理的主要内容。利用在线实时交通仿真系统,城市交通管理者可以观察分析区域交通流变化,建立线上仿真环境再现真实交通流状态,并优化调节信号灯配时相位和参数,模拟不同交通场景,利用在线交通仿真验证信号灯方案的有效性。这样的系统已成为交通方案辅助决策的有效实验工具和探索平台。在上述背景下,本文研究了现有交通仿真系统的不足,结合物联网传感器、交融流量数据处理、分布式系统等技术的优势,设计并实现了城市信号灯的辅助决策在线实时仿真系统,旨在辅助市政交通管理者能够更高效地验证信号灯方案效果,并得到更科学可靠的交通信号灯决策方案。本文首先对相关技术和理论进行了深入研究,针对系统中需要面对的关键问题和难点,本文提出了合理的解决算法和技术:第一点是如何收集并处理和应用交通流数据,本文设计了流式数据处理算子,能够对交通流数据按照时段和路段进行分片聚合并存储;第二点是可靠仿真环境的建立,本文实现了一种基于区域路段传感器所构成的图网络,进行静态流量分配的算法,进行仿真需求建模,并针对算法的不足,即真实数据中区域传感器数据的缺失进行了算法的改进,支持从真实交通流建立仿真交通需求,从而建立可靠的信号灯方案仿真环境;第三点是对于系统需要支持多用户在线实时仿真的难点,本文设计一种分布式仿真任务执行引擎,将每次的仿真请求封装成仿真任务进行分布式处理,提高系统在多用户场景下的可用性。根据使用场景和功能需求,进行本系统架构设计,各个功能模块的详细设计和具体实现,实现了流量数据模块、交通路网模块、信号灯及交通设备模块、交通仿真模块。最后对系统进行了单元测试和集成测试,针对每个模块功能设计多个测试用例,验证了本系统满足设计目标中的功能要求。
二、面向对象的分布式仿真管理（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、面向对象的分布式仿真管理（论文提纲范文）
（1）面向潮汐交通流的动态车道组方案评估系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关理论和技术介绍 |
| 2.1 主流交通方案解决仿真系统介绍 |
| 2.2 潮汐交通流理论 |
| 2.3 交通方案评估方法 |
| 2.4 微观级交通仿真SUMO |
| 2.5 系统开发相关技术 |
| 2.5.1 领域驱动设计 |
| 2.5.2 Vue.js |
| 2.5.3 Druid Monitor |
| 2.5.4 ElasticSearch分布式数据搜索引擎 |
| 2.5.5 MySQL、Redis |
| 2.6 本章小结 |
| 第三章 系统需求分析与设计 |
| 3.1 系统设计目标 |
| 3.1.1 设计场景 |
| 3.1.2 设计目标 |
| 3.2 系统需求分析 |
| 3.2.1 功能需求 |
| 3.2.2 非功能性需求 |
| 3.3 系统架构设计 |
| 3.4 系统功能模块设计 |
| 3.4.1 系统模块划分 |
| 3.4.2 系统数据库设计 |
| 3.5 本章小结 |
| 第四章 关键算法和技术研究与实现 |
| 4.1 动态车道组与信号配时协同优化算法 |
| 4.1.1 协同优化算法设计 |
| 4.1.2 仿真验证优化效果 |
| 4.2 交通评价指标模型库与层次分析法方案评估模型 |
| 4.2.1 交通评价指标模型库 |
| 4.2.2 层次分析法方案评估模型 |
| 4.3 基于ElasticSearch的分布式数据搜索服务引擎设计与实现 |
| 4.3.1 框架详细设计与实现 |
| 4.3.2 功能与性能分析 |
| 4.4 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 系统环境配置 |
| 5.2 系统模块实现 |
| 5.2.1 用户权限管理模块的实现 |
| 5.2.2 动态车道组协同优化管理模块的实现 |
| 5.2.3 交通流量管理模块的实现 |
| 5.2.4 区域路网管理模块的实现 |
| 5.2.5 评价管理模块的实现 |
| 5.2.6 仿真辅助管理模块的实现 |
| 5.2.7 系统管理模块的实现 |
| 5.3 系统测试 |
| 5.3.1 测试框架与工具 |
| 5.3.2 系统功能测试结果 |
| 5.3.3 系统性能测试结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（2）面向分层网络体系结构的分布式神经网络系统设计及算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.3 研究内容和创新点 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.4 本论文的结构安排 |
| 第二章 相关技术介绍 |
| 2.1 神经网络与深度学习 |
| 2.1.1 神经网络 |
| 2.2 分布式深度神经网络DDNN |
| 2.2.1 分支网络 |
| 2.2.2 部署及推理 |
| 2.3 分布式正则化 |
| 2.4 网络仿真 |
| 2.4.1 Linux网络路径 |
| 2.4.2 虚拟网络设备 |
| 2.4.3 命名空间 |
| 2.4.4 Mininet |
| 2.5 本章小结 |
| 第三章 面向分层网络体系结构的分布式神经网络算法研究 |
| 3.1 概述 |
| 3.2 分割学习网络结构 |
| 3.2.1 分割方法 |
| 3.2.2 子模型部署 |
| 3.3 分层网络各部分训练算法 |
| 3.3.1 一对一模式训练 |
| 3.3.2 Y型模式下的分布式训练(DGA方法) |
| 3.3.3 模型版本号与同步 |
| 3.3.4 对其它子模型的影响 |
| 3.3.5 处理延迟节点 |
| 3.3.6 Y型模式下的分布式训练(参数服务器方法) |
| 3.3.7 对比DGA方法和参数服务器方法 |
| 3.4 总述面向分层网络体系结构的分布式神经网络训练算法 |
| 3.5 跨边缘节点训练方法 |
| 3.6 本章小结 |
| 第四章 分布式神经网络仿真系统方案设计 |
| 4.1 系统需求 |
| 4.2 系统总体设计 |
| 4.2.1 控制端 |
| 4.2.2 对等服务端 |
| 4.3 系统详细设计 |
| 4.3.1 控制端设计 |
| 4.3.2 对等服务器设计 |
| 4.3.3 控制命令设计 |
| 4.3.4 自动反向传播 |
| 4.4 系统优化设计 |
| 4.4.1 对象ID |
| 4.4.2 同步与异步实现 |
| 4.4.3 对象方法调用 |
| 4.4.4 优化远程对象获取 |
| 4.4.5 常量优化 |
| 4.5 本章小结 |
| 第五章 分布式神经网络仿真系统实现 |
| 5.1 系统实现架构 |
| 5.1.1 控制端实现架构 |
| 5.1.2 对等服务器架构 |
| 5.2 系统接口设计与实现 |
| 5.2.1 c2n接口 |
| 5.2.2 n2n接口 |
| 5.2.3 接口共用结构 |
| 5.3 系统实现 |
| 5.3.1 控制端实现 |
| 5.3.2 内存管理 |
| 5.3.3 对等服务端实现 |
| 5.4 系统测试 |
| 5.4.1 基础测试实验与模型 |
| 5.4.2 测试结果与分析 |
| 5.5 本章小结 |
| 第六章 基于仿真系统的分布式神经网络算法测试及分析 |
| 6.1 主实验 |
| 6.1.1 实验环境 |
| 6.1.2 分层网络场景 |
| 6.1.3 数据集与模型设置 |
| 6.1.4 实验与算法实现 |
| 6.1.5 实验结果与分析 |
| 6.2 跨边缘节点实验 |
| 6.3 本章小节 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（3）海面环境下的无人船平行物理仿真平台的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 无人船仿真训练系统面临的问题 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文结构安排 |
| 第二章 相关技术研究 |
| 2.1 无人系统技术研究 |
| 2.2 仿真软件技术研究 |
| 2.2.1 复杂自适应系统 |
| 2.2.2 多Agent仿真技术 |
| 2.3 复杂海面环境建模技术研究 |
| 2.3.1 海浪建模技术 |
| 2.3.2 物理引擎技术 |
| 2.4 本章小结 |
| 第三章 海面环境下的无人船平行物理仿真平台架构研究 |
| 3.1 仿真平台需求分析 |
| 3.1.1 应用需求 |
| 3.1.2 功能需求 |
| 3.2 Agent对象与仿真环境建模 |
| 3.3 仿真平台与智能算法交互模式 |
| 3.4 仿真平台架构设计 |
| 3.5 本章小结 |
| 第四章 海面环境下的无人船平行物理仿真平台详细设计与实现 |
| 4.1 仿真平台详细设计 |
| 4.2 无人船多智能体仿真设计与实现 |
| 4.2.1 基于多线程技术的无人船Agent调度架构 |
| 4.2.2 无人船Agent消息收集与分发 |
| 4.3 海面环境仿真 |
| 4.3.1 海面环境建立与生成 |
| 4.3.2 海面高度采样 |
| 4.4 物理效应建模与计算 |
| 4.4.1 基于物理引擎的物理效应计算架构 |
| 4.4.2 海面对无人船浮力建模 |
| 4.5 可视化渲染服务设计与实现 |
| 4.5.1 基于光栅技术的渲染架构 |
| 4.5.2 渲染流程设计与帧率控制 |
| 4.5.3 模型加载与渲染优化 |
| 4.6 分布式网络通信服务设计与实现 |
| 4.7 本章小结 |
| 第五章 海面环境下的无人船平行物理仿真平台测试与应用 |
| 5.1 测试方案设计 |
| 5.1.1 测试内容说明 |
| 5.1.2 测试场景配置 |
| 5.2 测试结果分析 |
| 5.2.1 海面环境物理仿真功能测试 |
| 5.2.2 分布式通信功能与性能测试 |
| 5.2.3 协同对抗场景下的对比测试 |
| 5.3 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）面向多用户的微观交通仿真系统优化技术研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 交通仿真的国内外发展历史和现状 |
| 1.2.1 国外交通仿真的发展现状 |
| 1.2.2 国内交通仿真的发展现状 |
| 1.3 论文的主要工作 |
| 1.4 论文的章节安排 |
| 第二章 交通仿真相关介绍 |
| 2.1 交通仿真介绍 |
| 2.2 宏观交通仿真 |
| 2.3 微观交通仿真 |
| 2.4 中观交通仿真 |
| 2.5 现有微观交通仿真系统的比较 |
| 2.6 现有微观交通仿真存在的不足 |
| 2.7 小结 |
| 第三章 面向多用户的分布式仿真体系结构研究 |
| 3.1 引言 |
| 3.2 分布式交通仿真系统相关介绍 |
| 3.2.1 分布式交通仿真系统设计思路 |
| 3.2.2 分布式交通仿真系统设计原则 |
| 3.3 分布式交通仿真系统功能设计 |
| 3.3.1 交通仿真路网设计 |
| 3.3.2 交通仿真模型设计 |
| 3.4 分布式交通仿真系统引擎设计 |
| 3.4.1 交通仿真车辆数据结构 |
| 3.4.2 交通仿真计算逻辑 |
| 3.4.3 分布式交通仿真引擎管理设计 |
| 3.5 分布式交通仿真实验分析 |
| 3.5.1 分布式交通仿真实验环境 |
| 3.5.2 单引擎单用户仿真实验分析 |
| 3.5.3 多引擎多用户仿真实验分析 |
| 3.6 小结 |
| 第四章 面向多用户的微观交通仿真数据通信技术研究 |
| 4.1 引言 |
| 4.2 微观交通仿真数据相关介绍 |
| 4.2.1 路网数据 |
| 4.2.2 车辆数据 |
| 4.3 针对微观交通仿真的数据压缩算法 |
| 4.3.1 算法描述 |
| 4.3.2 算法分析 |
| 4.4 微观交通仿真实验分析 |
| 4.4.1 评估指标 |
| 4.4.2 实验结果及分析 |
| 4.5 小结 |
| 第五章 面向多用户的微观交通仿真系统设计与实现 |
| 5.1 微观交通仿真系统需求概述 |
| 5.2 微观交通仿真系统架构设计 |
| 5.3 微观交通仿真系统功能设计与实现 |
| 5.3.1 用户模块 |
| 5.3.2 输入模块 |
| 5.3.3 地图模块 |
| 5.3.4 仿真模块 |
| 5.3.5 数据模块 |
| 5.4 微观交通仿真系统测试 |
| 5.4.1 仿真参数选择 |
| 5.4.2 在线仿真测试 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来的研究工作 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）可扩展的分布式网络协议测试与验证系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要工作 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第二章 相关技术及研究工作 |
| 2.1 虚拟化技术 |
| 2.1.1 平台虚拟化 |
| 2.1.2 网络虚拟化 |
| 2.2 P4技术 |
| 2.2.1 P4语言简介 |
| 2.2.2 P4设备与传统设备的区别 |
| 2.2.3 P4的抽象转发模型 |
| 2.2.4 P4C和BMV2 |
| 2.3 eBPF技术 |
| 2.4 网络拓扑的切分 |
| 2.5 本章小结 |
| 第三章 分布式网络协议测试和验证系统的设计 |
| 3.1 引言 |
| 3.2 系统需求分析 |
| 3.2.1 大规模拓扑的仿真 |
| 3.2.2 分布式仿真网络中的网络遥测 |
| 3.2.3 网络协议的测试与验证 |
| 3.3 系统的整体架构 |
| 3.3.1 系统的控制平面 |
| 3.3.2 系统的数据平面 |
| 3.3.3 控制平面与数据平面的交互 |
| 3.4 系统功能设计 |
| 3.4.1 系统资源的监控与管理 |
| 3.4.2 网络拓扑的切分与调度 |
| 3.4.3 仿真网络的部署 |
| 3.4.4 网络遥测 |
| 3.4.5 网络协议部署、调试与测试验证的流程 |
| 3.4.6 用户交互 |
| 3.5 本章小结 |
| 第四章 分布式网络协议测试和验证系统的实现 |
| 4.1 引言 |
| 4.2 系统实现的原则与架构 |
| 4.3 系统数据平面的实现 |
| 4.3.1 工作节点 |
| 4.3.2 仿真节点与仿真链路 |
| 4.4 消息链路的实现 |
| 4.4.1 消息代理和指令执行器 |
| 4.4.2 消息回传组件 |
| 4.5 系统控平面的实现 |
| 4.5.1 系统控制器组件简介 |
| 4.5.2 系统中的模块 |
| 4.5.3 核心模块 |
| 4.5.4 资源管理模块 |
| 4.5.5 网络遥测模块 |
| 4.5.6 用户交互模块 |
| 4.5.7 系统中的服务 |
| 4.5.8 网络管理服务 |
| 4.5.9 其它系统服务 |
| 4.5.10 系统中的附加模块 |
| 4.6 本章小结 |
| 第五章 分布式网络协议测试和验证系统的实验验证 |
| 5.1 引言 |
| 5.2 实验环境 |
| 5.3 系统功能的验证 |
| 5.3.1 实验场景及实验目标 |
| 5.3.2 简单网络协议的实现 |
| 5.3.3 创建自定义场景模块 |
| 5.3.4 创建并配置实验网络 |
| 5.3.5 编写测试用例 |
| 5.3.6 启动仿真网络并测试系统功能 |
| 5.3.7 案例实践小结 |
| 5.4 系统性能的测试 |
| 5.4.1 典型操作和典型场景下的时间消耗和资源使用 |
| 5.4.2 系统的承载能力 |
| 5.4.3 系统特性对性能的影响 |
| 5.4.4 性能实验小结 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 附录 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（6）基于Stigmergy和神经内分泌调节机制的多智能体群智能自组织与调控方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 问题背景及意义 |
| 1.3 国内外相关研究及发展的现状与趋势 |
| 1.3.1 新一代智能交通和智慧供应链与物流及其基于自组织协同优化的复杂问题求解方法的研究与发展 |
| 1.3.2 基于多Agent的分布式人工智能理论研究与发展 |
| 1.3.3 群智能自组织理论与小世界理论的研究情况及其对解决群体协同决策问题的支持 |
| 1.3.4 仿生智能及神经内分泌调节机制的研究现状与启示 |
| 1.4 主要研究目标及内容 |
| 1.4.1 研究目标 |
| 1.4.2 主要内容 |
| 1.5 拟解决的问题及难点 |
| 1.5.1 问题解决 |
| 1.5.2 主要难点 |
| 1.6 主要创新及特色 |
| 1.7 论文结构 |
| 第2章 面向多任务协同求解的多智能体自组织调控问题的分析描述与建模 |
| 2.1 概述 |
| 2.2 复杂环境下多任务协作问题及其求解机制分析 |
| 2.2.1 新一代智能交通环境下多任务协作问题及其对协同求解的需求 |
| 2.2.2 智慧敏捷供应链下多任务协作问题及其对协同求解的需求 |
| 2.2.3 复杂系统及复杂问题的内涵定义与主要特性 |
| 2.3 基于群智能的多任务协作复杂问题群体协同求解机制分析 |
| 2.3.1 群智能的提出及内涵定义与特点 |
| 2.3.2 个体智能与群智能的关系及群智能的形成 |
| 2.3.3 基于群智能的复杂问题求解机制 |
| 2.3.4 群智能实现方法分析 |
| 2.4 面向多任务协同求解和智能系统形成的自组织机制与调控方法的问题模型 |
| 2.5 基本思路与总体解决方案 |
| 2.6 本章小结 |
| 第3章 面向复杂问题求解的智能系统建模方法研究 |
| 3.1 概述 |
| 3.2 智能系统的内涵理解与分析 |
| 3.3 智能体/自治主体的主要特性 |
| 3.4 Stigmergy驱动下基于MAS的智能系统建模方法 |
| 3.4.1 群智能中的共识主动性(Stigmergy)机理分析及启示 |
| 3.4.2 基于大脑认知与行为控制机理的智能体模型 |
| 3.4.3 基于共识主动性的基于MAS的建模方法 |
| 3.5 建模方法应用 |
| 3.6 本章小结 |
| 第4章 基于小世界理论和友元接力搜索算法的自组织机制研究 |
| 4.1 概述 |
| 4.2 自组织及其对智能系统与群智能的作用机理分析 |
| 4.2.1 自组织及其成因机理 |
| 4.2.2 自组织对智能系统形成与多智能体群体智能提呈使能的作用 |
| 4.3 小世界理论及其对自组织的作用 |
| 4.3.1 小世界效应与小世界理论 |
| 4.3.2 基于小世界理论的机会发现与信息传播机理分析 |
| 4.3.3 小世界理论对自组织的启示与作用 |
| 4.3.4 合作博弈策略对自组织的启示与作用 |
| 4.4 基于小世界理论的友元接力搜索算法及群智能自组织机制 |
| 4.4.1 基本原理 |
| 4.4.2 有任务发起结点的算法设计及自组织机制 |
| 4.4.3 有任务招引结点的算法及自组织机制 |
| 4.5 算例验证仿真 |
| 4.6 本章小结 |
| 第5章 基于神经内分泌调节机制的群智能自组织调控方法研究 |
| 5.1 概述 |
| 5.2 分布式/分散化智能系统的自组织调控机制及方法分析 |
| 5.2.1 智能系统的分布性与自组织调控方法 |
| 5.2.2 智能系统与生物系统自组织调控的类比 |
| 5.3 人体神经内分泌免疫调节机制分析 |
| 5.3.1 人体神经内分泌免疫系统的生物学基础 |
| 5.3.2 神经-内分泌-免疫系统的关联与作用机制 |
| 5.3.3 神经内分泌调节方法及对多智能体群体智能复杂问题求解的作用 |
| 5.4 基于友元合作共识主动性和人体神经内分泌免疫调节的自组织机制 |
| 5.4.1 人体神经内分泌免疫调节机制对于群智能自组织的优劣势分析 |
| 5.4.2 Stigmergy共识主动性的再认知和分析 |
| 5.4.3 利用信息素/激素传播扩散作用的自组织机制 |
| 5.5 基于Stigmerg共识主动性与神经内分泌免疫的群体智能一致性自组织与调控方法 |
| 5.5.1 算法原理与基本思路 |
| 5.5.2 算法设计与过程 |
| 5.5.3 模拟仿真与结果分析 |
| 5.6 本章小结 |
| 第6章 智慧仓储/无人超市环境下支持多智能体协同决策的自组织方法模拟试验研究与分析 |
| 6.1 概述 |
| 6.2 智慧仓储/无人超市概念模型设计 |
| 6.2.1 智慧仓储与无人超市 |
| 6.2.2 面向新零售的智慧仓储/无人超市环境下多智能AGV的运行及控制 |
| 6.3 模拟试验研究问题模型 |
| 6.4 模拟仿真试验及结果分析 |
| 6.4.1 模拟仿真试验目的与基本思路 |
| 6.4.2 模拟试验系统设计实现及运行试验 |
| 6.4.3 智慧仓储/无人超市环境下多提货任务协作模拟试验 |
| 6.5 应用范式—可柔性编组智巴系统示例 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 今后展望 |
| 参考文献 |
| 深圳大学指导教师对研究生学位论文的学术评语 |
| 深圳大学研究生学位(毕业)论文答辩委员会决议书 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（7）基于群体智能的无人机集群协同对抗系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 无人机集群群体智能相关技术研究 |
| 2.1 协同电子对抗技术 |
| 2.2 面向无人集群的多智能体系统 |
| 2.3 群体智能算法 |
| 2.4 本章小结 |
| 第三章 无人机集群协同对抗场景与需求分析 |
| 3.1 无人集群协同对抗场景想定 |
| 3.2 无人集群协同对抗问题的形式化描述 |
| 3.3 无人机集群协同对抗系统需求分析 |
| 3.4 本章小结 |
| 第四章 系统原理分析与系统架构 |
| 4.1 无人机集群协同对抗系统原理分析 |
| 4.2 无人机集群协同对抗系统方案设计 |
| 4.3 系统体系架构 |
| 4.4 本章小结 |
| 第五章 系统详细设计与实现 |
| 5.1 系统详细设计 |
| 5.2 对抗环境仿真系统实现 |
| 5.3 数据链路仿真实现 |
| 5.4 协同决策系统与算法实现 |
| 5.5 本章小结 |
| 第六章 系统测试与分析 |
| 6.1 验证系统场景 |
| 6.2 系统测试 |
| 6.3 基于人工蜂群信息素的集群协同决策算法性能测试 |
| 6.4 本章小节 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（8）缓存、计算资源受限下无线网络吞吐量优化策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 符号表 |
| 一 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状及挑战 |
| 1.3 主要研究工作 |
| 二 网络优化调度理论 |
| 2.1 网络吞吐量的图论模型 |
| 2.2 算法复杂度理论 |
| 2.3 经典调度策略 |
| 2.4 本章小结 |
| 三 缓存资源受限下吞吐量优化 |
| 3.1 系统模型与问题建模 |
| 3.2 任意拓扑下文件缓存策略的复杂度分析 |
| 3.3 一种次线性文件缓存策略 |
| 3.4 数值性能评估 |
| 3.5 本章小结 |
| 四 计算资源受限下吞吐量优化 |
| 4.1 系统模型与问题建模 |
| 4.2 任意拓扑下计算任务调度策略的复杂度分析 |
| 4.3 一种分布式任务调度策略 |
| 4.4 数值性能评估 |
| 4.5 本章小结 |
| 五 缓存-计算资源联合优化框架 |
| 5.1 面向对象组网体系结构 |
| 5.2 面向对象的转发流程设计 |
| 5.3 基于NS-3的优化框架实验评估 |
| 5.4 本章小结 |
| 六 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 博士期间发表论文 |
| 附录2 博士期间参加项目 |
（9）分布式维修系统的飞行导航显示模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 导航显示的发展现状 |
| 1.2.2 导航显示仿真现状 |
| 1.3 建模方法研究 |
| 1.4 本文主要研究内容 |
| 第二章 分布式维修系统的飞行导航显示仿真需求 |
| 2.1 分布式维修系统简介 |
| 2.2 FTOP飞行仿真工具 |
| 2.2.1 FTOP简介 |
| 2.2.2 飞行器参数配置 |
| 2.2.3 推力系统配置 |
| 2.2.4 飞行控制系统配置 |
| 2.2.5 气动参数配置 |
| 2.2.6 导航显示相关数据 |
| 2.3 A320飞行导航显示原理 |
| 2.3.1 数据接收功能 |
| 2.3.2 面板操作功能 |
| 2.3.3 数据处理功能 |
| 2.3.4 显示执行功能 |
| 2.4 分布式维修系统飞行导航显示仿真的需求分析 |
| 2.4.1 功能需求 |
| 2.4.2 性能需求 |
| 2.5 本章小结 |
| 第三章 基于多Agent的导航显示模型 |
| 3.1 Agent与多Agent概念 |
| 3.1.1 Agent |
| 3.1.2 多Agent |
| 3.1.3 多Agent的之间的通信方式 |
| 3.2 多Agent建立导航显示模型的流程 |
| 3.3 基于多Agent的导航显示建模 |
| 3.3.1 Agent模型建立 |
| 3.3.2 数据管理Agent |
| 3.3.3 电源管理Agent |
| 3.3.4 故障管理Agent |
| 3.3.5 操作管理Agent |
| 3.3.6 显示管理Agent |
| 3.3.7 Agent消息机制 |
| 3.4 本章小结 |
| 第四章 导航显示执行 |
| 4.1 ND的主要显示功能 |
| 4.2 ND显示页面的绘制方案 |
| 4.3 导航数据库的构建 |
| 4.3.1 机场数据表 |
| 4.3.2 无线电导航台数据表 |
| 4.3.3 航路点数据表 |
| 4.4 飞行计划显示 |
| 4.4.1 飞行计划的构成 |
| 4.4.2 飞行计划的坐标转换 |
| 4.4.3 飞行计划的绘制 |
| 4.4.4 航道偏离指示 |
| 4.5 其它显示 |
| 4.5.1 显示附近的航路/VOR导航台/NDB/机场点 |
| 4.5.2 ADF/VOR调谐指向功能 |
| 4.5.3 其它信息显示功能 |
| 4.6 本章小结 |
| 第五章 系统实现与效果展示 |
| 5.1 开发环境 |
| 5.2 分布式系统下导航显示信息交互及工作方式 |
| 5.3 多Agent类的设计 |
| 5.4 显示关键功能实现 |
| 5.5 系统效果展示 |
| 5.5.1 飞行中正常信息显示 |
| 5.5.2 飞行中故障信息显示 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
（10）城市信号灯方案辅助决策仿真系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 第二章 相关技术研究 |
| 2.1 Spring Boot |
| 2.2 SUMO |
| 2.3 Spark Streaming与Kafka |
| 2.4 Zookeeper与Dubbo |
| 2.5 MySQL和HBase数据库 |
| 2.6 Vue.js |
| 2.7 仿真需求建模算法 |
| 2.8 本章小结 |
| 第三章 系统需求分析与系统设计 |
| 3.1 系统设计目标 |
| 3.1.1 设计场景 |
| 3.1.2 建设目标 |
| 3.2 系统需求分析 |
| 3.2.1 功能需求 |
| 3.2.2 性能需求 |
| 3.3 系统功能模块设计 |
| 3.3.1 系统模块划分 |
| 3.3.2 系统数据库设计 |
| 3.4 系统架构设计 |
| 3.5 本章小结 |
| 第四章 关键算法和技术研究与实现 |
| 4.1 基于Spark Streaming的交通流状态收集与融合 |
| 4.1.1 流量收集 |
| 4.1.2 流量融合计算 |
| 4.2 仿真需求建模算法 |
| 4.2.1 算法设计 |
| 4.2.2 算法实现与优化 |
| 4.3 分布式仿真任务执行引擎设计与实现 |
| 4.3.1 框架详细设计与实现 |
| 4.3.2 仿真任务负载均衡算法 |
| 4.4 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 系统环境配置 |
| 5.2 系统模块实现 |
| 5.2.1 用户管理模块的实现 |
| 5.2.2 交通流量管理模块的实现 |
| 5.2.3 交通路网模块的实现 |
| 5.2.4 仿真模块的实现 |
| 5.2.5 信号灯及交通设备模块的实现 |
| 5.2.6 用户操作Web界面的实现 |
| 5.3 系统测试 |
| 5.3.1 JUnit单元测试框架 |
| 5.3.2 Chrome开发者工具 |
| 5.3.3 功能性测试结果 |
| 5.3.4 非功能性测试结果 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
四、面向对象的分布式仿真管理（论文参考文献）
- [1]面向潮汐交通流的动态车道组方案评估系统设计与实现[D]. 庞卉淼. 北京邮电大学, 2021(01)
- [2]面向分层网络体系结构的分布式神经网络系统设计及算法研究[D]. 宋凯文. 电子科技大学, 2021(01)
- [3]海面环境下的无人船平行物理仿真平台的设计与实现[D]. 郭谦. 电子科技大学, 2021(01)
- [4]面向多用户的微观交通仿真系统优化技术研究与应用[D]. 陈鹏飞. 电子科技大学, 2021(01)
- [5]可扩展的分布式网络协议测试与验证系统[D]. 边子政. 北京邮电大学, 2020(05)
- [6]基于Stigmergy和神经内分泌调节机制的多智能体群智能自组织与调控方法研究[D]. 于欣佳. 深圳大学, 2020
- [7]基于群体智能的无人机集群协同对抗系统的设计与实现[D]. 冉惟之. 电子科技大学, 2020(07)
- [8]缓存、计算资源受限下无线网络吞吐量优化策略研究[D]. 刘铂熙. 华中科技大学, 2020(01)
- [9]分布式维修系统的飞行导航显示模型研究[D]. 王文宰. 中国民航大学, 2020(01)
- [10]城市信号灯方案辅助决策仿真系统的设计与实现[D]. 王霄霄. 北京邮电大学, 2020(04)
标签：神经网络模型论文; 自组织神经网络论文; 面向对象分析与设计论文; 仿真软件论文; 集群技术论文;