| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-14页 |
| 1.1.1 无线传感器网络概述 | 第10-11页 |
| 1.1.2 无线传感器网络结构 | 第11-12页 |
| 1.1.3 无线传感器网络的应用 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.3.1 论文主要研究内容 | 第15-16页 |
| 1.3.2 课题来源 | 第16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 无线传感器网络覆盖问题研究 | 第18-29页 |
| 2.1 无线传感网络覆盖相关概念 | 第18-19页 |
| 2.2 覆盖控制技术 | 第19-21页 |
| 2.2.1 点覆盖技术 | 第19-20页 |
| 2.2.2 栅栏覆盖技术 | 第20页 |
| 2.2.3 面覆盖技术 | 第20-21页 |
| 2.3 传感器节点感知模型分析 | 第21-27页 |
| 2.3.1 感知模型术语阐释 | 第21-22页 |
| 2.3.2 感知能力标准 | 第22页 |
| 2.3.3 感知模型分析 | 第22-27页 |
| 2.4 覆盖控制问题技术难点 | 第27页 |
| 2.5 本章总结 | 第27-29页 |
| 第三章 基于粒子群算法的覆盖优化技术研究 | 第29-45页 |
| 3.1 群体智能算法介绍 | 第29-33页 |
| 3.1.1 群体智能的基本特性 | 第29-30页 |
| 3.1.2 遗传算法的应用 | 第30-31页 |
| 3.1.3 蚁群算法的应用 | 第31页 |
| 3.1.4 原始PSO算法 | 第31-33页 |
| 3.1.5 标准PSO算法 | 第33页 |
| 3.2 改进型粒子群算法 | 第33-38页 |
| 3.2.1 移动WSN网络覆盖模型 | 第33-35页 |
| 3.2.2 改进PSO算法 | 第35-38页 |
| 3.2.3 基于NIW-PSO算法的覆盖增强策略 | 第38页 |
| 3.3 基于改进粒子群算法的覆盖优化 | 第38-40页 |
| 3.3.1 网络覆盖优化算法实现 | 第39-40页 |
| 3.3.2 NIW-PSO算法流程 | 第40页 |
| 3.4 仿真与结果分析 | 第40-43页 |
| 3.4.1 NIW-PSO算法与其他算法的覆盖增强比较 | 第41-43页 |
| 3.4.2 NIW-PSO算法对网络覆盖的优化结果 | 第43页 |
| 3.5 本章总结 | 第43-45页 |
| 第四章 无线传感网多目标覆盖控制技术研究 | 第45-55页 |
| 4.1 WSN多目标覆盖优化问题 | 第45-46页 |
| 4.2 多目标覆盖问题分析 | 第46-48页 |
| 4.2.1 帕累托最优解 | 第46页 |
| 4.2.2 基于帕累托最优的多目标问题分析 | 第46-48页 |
| 4.3 基于MCCA算法的多目标覆盖策略 | 第48-51页 |
| 4.3.1 基于PSO及帕累托策略的MCCA算法 | 第48-49页 |
| 4.3.2 MCCA算法多目标优化 | 第49-50页 |
| 4.3.3 MCCA算法流程 | 第50-51页 |
| 4.4 仿真实验与分析 | 第51-54页 |
| 4.4.1 基于MCCA算法的节点优化部署分析 | 第51-53页 |
| 4.4.2 MCCA算法与标准PSO算法对比 | 第53-54页 |
| 4.4.3 基于MCCA算法的帕累托最优曲线 | 第54页 |
| 4.5 本章总结 | 第54-55页 |
| 第五章 论文结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录1 攻读硕士学位期间的科研成果 | 第61-62页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第62页 |