声明
致谢
摘要
第一章绪论
1．1课题的研究背景及意义
1．1．1研究背景
1．1．2研究内容、目的及意义
1．2国内外研究现状
1．2．1全覆盖充电规划
1．2．2按需充电规划
1．2．3基于区域划分的充电规划
1．2．4协同充电规划
1．2．5联合数据收集及充电规划
1．3论文章节结构安排
第二章相关理论与技术
2．1无线可充电传感器网络充电规划问题分类
2．2元启发式方法求解充电规划问题
2．3离散烟花算法
2．4强化学习和Q-learning算法
2．5本章小结
第三章携带能量受限的WCE一对一充电规划算法
3．1网络模型
3．2周期性充电规划
3．3 WCE能量受限及节点功耗不均衡的三种情况
3．4改进的周期性充电规划
3．5优化目标及问题
3．6算法设计
3．6．1混合粒子群遗传算法
3．6．2基于HPSOGA的充电规划算法
3．7仿真分析
3．7．1仿真参数设置
3．7．2实验设计
3．7．3实验结果及分析
3．8本章小结
第四章带时间窗的WCE一对一充电规划算法
4．1网络模型
4．2充电时间窗
4．3违反充电时间窗约束的惩罚
4．4带时间窗的周期性充电规划
4．5优化目标及优化问题
4．6算法设计
4．6．1离散禁忌烟花算法
4．6．2基于DTSFWA的带时间窗充电规划算法
4．6．3复杂度分析
4．7仿真分析
4．7．1仿真参数设置
4．7．2实验设计
4．7．3实验结果分析
4．8本章小结
第五章携带能量受限的WCE一对多充电规划算法
5．1网络模型
5．2能量模型及充电模型
5．3 WCE的工作状态
5．3 WCE携带能量受限的三种情况
5．4优化目标及优化问题
5．5 WCE携带能量受限的充电规划
5．6移动路径规划策略
5．7充电时间规划策略
5．8混合模拟退火离散烟花算法
5．8．1 4-opt局部搜索方法
5．8．2算法步骤
5．8．3基于HSA-DFWA的一对多充电规划算法
5．8．4复杂度分析
5．9仿真分析
5．9．1实验环境及参数设置
5．9．2实验设计
5．9．3实验结果及分析
5．10本章小结
第六章基于强化学习的多WCE充电规划算法
6．1多WCE充电规划问题
6．2优化目标及优化问题
6．3 MWCP的强化学习模型
6．3．1 MWCP与强化学习的映射关系
6．3．2时间步
6．3．3状态空间
6．3．4动作空间
6．3．5状态转移过程
6．3．6奖励函数
6．4算法设计
6．4．1群智能强化学习
6．4．2 DFWA-Q算法
6．4．3单次Q-learning算法
6．4．4多学习者信息交换策略
6．4．5复杂度分析
6．5仿真分析
6．5．1参数设置
6．5．2实验设计
6．5．3实验结果及分析
6．6本章小结
第七章总结与展望
7．1论文研究总结
7．2论文的创新点
7．3未来研究展望
参考文献
攻读博士学位期间的学术活动及成果情况
合肥工业大学;
