【课题推荐发表期刊】

【课题背景】

随着网络规模的扩大和需求的变化，传统的路由协议在管理、架构以及控制等方面表现出了明显的局限性，尤其在智能交通领域，它已无法适应高度动态和分布式的车辆网络环境。因此，基于强化学习和智能群算法的自组织网络成为研究热点。这些方法利用强化学习的自适应性和智能群算法的全局优化能力，设计出能够动态调整和优化的V2X路由协议，可以引导车辆自主学习最佳通信路径，也能快速找到全局最优解。

本课题研究旨在探讨如何利用强化学习和智能群体算法优化车联网中的路由协议，提高数据传输的稳定性和实时性，还能有效降低网络延迟和通信成本，从而为未来智能交通系统提供坚实的技术支持。

【课题方向参考】

• 多目标优化的路由策略：如何同时优化多个目标，如最小化延迟、最大化带宽利用率和提高路由稳定性。如何设计能够权衡多个路由性能指标的自适应算法，探索多目标优化在V2X路由中的应用。

• 能耗感知的V2X路由协议：如何在保证通信质量的同时，最大限度地降低车辆网络的能耗。（例如：引入能耗感知机制，通过强化学习预测和调整路由路径，智能群算法优化全局能耗分布，研究能效与通信效率之间的平衡。）

• 资源受限环境下的路由优化：在资源受限（如能量、计算能力等）的节点中，如何设计高效的智能群算法，平衡路由计算复杂度与性能？

• 动态环境下的实时路由优化策略：在高速移动和频繁变化的车辆网络中，如何利用强化学习和智能群算法实现实时的、动态的路由优化。如何结合深度强化学习和智能群算法，实现对动态环境的快速响应，探索多智能体协同学习在高动态环境下的应用。

• 基于深度强化学习的路由协议：如何将深度强化学应用于车联网的路由协议设计，充分利用深度神经网络的强大学习能力来处理复杂的路由决策。

• 协同多智能体系统的路由优化：如何设计一种基于多智能体强化学习的路由协议，使网络中的各个节点通过协同学习，共同优化整体网络性能。

• 智能群体算法与机器学习算法的融合：如何将蚁群优化、粒子群优化等智能群体算法与强化学习方法相结合，设计一种混合算法，提高路由协议的效率和灵活性。

【适合人群】

计算机科学专业物联网、电子通信技术相关研究方向的硕博研究生，需对物联网络协议、通信技术和机器学习具备一定学习基础，有网络仿真器经验的学员优先，需熟悉python，c++。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

杨老师，韩国重点高校，博士

• 长期担任多个顶级期刊/会议的审稿人，包括IEEE Transactions on Intelligent Transportation Systems，IEEE Internet of Things Journal，IEEE Access等

• 研究方向：车辆自组织网络路由协议，软件定义网络，车联网边缘计算，强化学习算法，智能群算法等。

• 在计算机行业顶尖期刊/会议上发表超5篇期刊论文，并发表多篇国际会议论文。

• 具备极为扎实的算法功底，丰富的英文写作经验和论文指导经验；熟练使用python，c++，linux, matlab。

【课题安排】

研究周期预估六个月左右，具体视学员情况调整

【推荐阅读】

• 2022 Survey on artificial intelligence (AI) techniques for vehicular ad-hoc networks (VANETs)

• 2022 Intersection-Based V2X Routing via Reinforcement Learning in Vehicular Ad Hoc Networks