智能优化算法及在通信中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·智能优化算法的研究背景 | 第11-13页 |
| ·多用户检测的发展及研究现状 | 第13-15页 |
| ·盲均衡的发展及研究现状 | 第15-17页 |
| ·本文的主要工作及章节安排 | 第17-19页 |
| 第2章 智能优化算法 | 第19-27页 |
| ·量子遗传算法 | 第19-22页 |
| ·量子遗传算法的基本原理 | 第19-21页 |
| ·量子遗传算法参数的选择 | 第21-22页 |
| ·粒子群算法 | 第22-23页 |
| ·粒子群算法原理 | 第22-23页 |
| ·粒子群算法参数的选择 | 第23页 |
| ·混合蛙跳算法 | 第23-25页 |
| ·蛙跳算法原理 | 第23-24页 |
| ·蛙跳算法参数的选择 | 第24-25页 |
| ·免疫克隆算法 | 第25-26页 |
| ·免疫算法原理 | 第25-26页 |
| ·克隆算法原理 | 第26页 |
| ·算法参数的选择 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 多用户检测和盲均衡基础知识 | 第27-35页 |
| ·多用户检测 | 第27-29页 |
| ·最优多用户检测 | 第27-29页 |
| ·多用户检测的性能测度 | 第29页 |
| ·盲均衡 | 第29-34页 |
| ·盲均衡数学模型 | 第30页 |
| ·盲均衡准则 | 第30-33页 |
| ·盲均衡的性能指标 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 智能优化算法在多用户检测中的应用 | 第35-52页 |
| ·基于改进量子遗传算法的多用户检测 | 第35-38页 |
| ·基本量子遗传算法 | 第35-36页 |
| ·基于改进的量子遗传算法的多用户检测 | 第36页 |
| ·算法仿真与性能分析 | 第36-38页 |
| ·基于离散混合蛙跳算法的多用户检测 | 第38-43页 |
| ·基于离散化的混合蛙跳算法的多用户检测 | 第39-40页 |
| ·算法仿真与性能分析 | 第40-42页 |
| ·离散蛙跳算法与粒子群算法的复杂度比较 | 第42-43页 |
| ·基于神经网络蛙跳算法的多用户检测 | 第43-47页 |
| ·离散Hopfield 神经网络 | 第43-44页 |
| ·基于神经网络离散混合蛙跳算法的多用户检测 | 第44页 |
| ·算法仿真与性能分析 | 第44-47页 |
| ·基于免疫克隆蛙跳算法的多用户检测 | 第47-50页 |
| ·免疫离散混合蛙跳算法 | 第47页 |
| ·克隆离散混合蛙跳算法 | 第47-48页 |
| ·基于IDSFLA 和KDSFLA 的多用户检测 | 第48页 |
| ·算法仿真与性能分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 基于智能优化算法的盲均衡技术 | 第52-65页 |
| ·基于累积量的盲均衡新准则 | 第52-53页 |
| ·基于改进蛙跳算法的盲均衡技术研究 | 第53-58页 |
| ·新的更新策略 | 第53-54页 |
| ·种群优选蛙跳算法 | 第54页 |
| ·适应度拉伸蛙跳算法 | 第54-55页 |
| ·两种基于改进蛙跳算法的盲均衡技术 | 第55页 |
| ·算法仿真与性能分析 | 第55-58页 |
| ·基于多协同进化粒子群算法的盲均衡技术 | 第58-63页 |
| ·改进双种群协同的粒子群算法 | 第59-60页 |
| ·基于多协同粒子群算法的盲均衡算法 | 第60-61页 |
| ·算法仿真与性能分析 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 附录 | 第74页 |
