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。
