| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 问题的提出 | 第9-10页 |
| 1.2.1 运输问题的提出 | 第9-10页 |
| 1.2.2 蜂窝网络信道分配问题的提出 | 第10页 |
| 1.3 人工免疫系统的发展历史及研究现状 | 第10-11页 |
| 1.4 本文的主要研究工作 | 第11-13页 |
| 2 免疫理论的生物学基础及人工免疫系统基本原理 | 第13-22页 |
| 2.1 免疫学的基本理论 | 第13-18页 |
| 2.1.1 免疫学的一些基本概念 | 第13-14页 |
| 2.1.2 免疫系统的组成及功能 | 第14-15页 |
| 2.1.3 免疫应答类型及原理分析 | 第15-18页 |
| 2.2 人工免疫系统基本原理 | 第18-21页 |
| 2.2.1 人工免疫系统的研究内容和范围 | 第19页 |
| 2.2.2 人工免疫网络模型 | 第19-20页 |
| 2.2.3 人工免疫系统的应用 | 第20-21页 |
| 2.3 小结 | 第21-22页 |
| 3 人工免疫算法介绍 | 第22-31页 |
| 3.1 基本概念 | 第22页 |
| 3.2 基于免疫学原理的免疫算法 | 第22-24页 |
| 3.2.1 克隆选择算法 | 第22-23页 |
| 3.2.2 动态规模免疫算法 | 第23-24页 |
| 3.3 免疫遗传和进化算法 | 第24-30页 |
| 3.3.1 改进的免疫算法 | 第24-25页 |
| 3.3.2 高级免疫算法 | 第25-26页 |
| 3.3.3 加入遗传机制的免疫算法 | 第26-27页 |
| 3.3.4 免疫进化算法 | 第27-29页 |
| 3.3.5 免疫遗传算法 | 第29-30页 |
| 3.4 小结 | 第30-31页 |
| 4 改进的动态规模免疫算法及其在运输问题中的应用 | 第31-48页 |
| 4.1 研究背景 | 第31页 |
| 4.2 研究现状 | 第31-32页 |
| 4.3 运输问题的数学模型 | 第32页 |
| 4.4 改进的动态规模免疫算法的提出 | 第32-35页 |
| 4.4.1 动态规模免疫算法 | 第32-34页 |
| 4.4.2 改进的动态规模免疫算法 | 第34-35页 |
| 4.5 改进的动态规模免疫算法在运输问题中的应用 | 第35-47页 |
| 4.5.1 产销不平衡的运输问题 | 第35-41页 |
| 4.5.2 受时间约束的运输问题 | 第41-44页 |
| 4.5.3 变量有上界的运输问题 | 第44-47页 |
| 4.6 小结 | 第47-48页 |
| 5 改进的克隆选择算法及其在蜂窝网络信道分配中的应用 | 第48-59页 |
| 5.1 研究背景 | 第48页 |
| 5.2 蜂窝网络中信道分配问题概述 | 第48-50页 |
| 5.2.1 信道分配问题的概述 | 第48-49页 |
| 5.2.2 数学描述 | 第49页 |
| 5.2.3 研究现状 | 第49-50页 |
| 5.3 改进的克隆选择算法 | 第50-51页 |
| 5.3.1 克隆选择算法 | 第50页 |
| 5.3.2 改进的克隆选择算法 | 第50-51页 |
| 5.4 改进的克隆选择算法在蜂窝网络信道分配问题中的应用 | 第51-58页 |
| 5.4.1 实例 | 第51-54页 |
| 5.4.2 改进的克隆选择算法解决CAP的实现技术 | 第54-56页 |
| 5.4.3 算法仿真结果及比较 | 第56-57页 |
| 5.4.4 算法性能分析 | 第57-58页 |
| 5.5 小结 | 第58-59页 |
| 6 工作总结与展望 | 第59-60页 |
| 致 谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录:作者在攻读硕士学位期间发表的论文目录 | 第63-64页 |
