首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

改进的遗传算法及其在CDMA基站优化选址中的应用

摘要第1-6页
Abstract第6-9页
第一章 绪论第9-12页
 1.1 遗传算法的发展背景第9页
 1.2 遗传算法的研究现状第9-10页
 1.3 本文主要研究内容第10页
 1.4 章节安排第10-12页
第二章 基本遗传算法第12-26页
 2.1 遗传算法概述第12-16页
  2.1.1 遗传算法简介第12页
  2.1.2 遗传算法的基本概念第12-13页
  2.1.3 遗传算法的基本思想第13-14页
  2.1.4 遗传算法的特点及其应用第14-15页
  2.1.5 遗传算法的运算过程第15-16页
 2.2 遗传算法的基本实现技术第16-22页
  2.2.1 编码方法第16-17页
  2.2.2 适应度函数第17-18页
  2.2.3 选择运算第18-20页
  2.2.4 交叉运算第20-21页
  2.2.5 变异运算第21页
  2.2.6 自适应交叉和变异概率第21-22页
 2.3 遗传算法的性能评价第22页
 2.4 常用的测试函数第22-25页
 2.5 本章小结第25-26页
第三章 基于模式定理的遗传算法参数研究第26-33页
 3.1 引言第26页
 3.2 模式定理第26-28页
  3 2.1 基本概念第26页
  3.2.2 模式定理第26-28页
 3.3 自然进化的各阶段对物种繁衍的影响第28-29页
 3.4 模式的形成概率及其对算法性能的影响第29页
 3.5 基于逻辑算子的遗传算法及其 PCS第29-31页
  3.5.1 基因的逻辑运算第29-30页
  3.5.2 基因的“融合”遗传第30页
  3.5.3 PCS在 GALO参数优化中的应用第30-31页
 3.6 实验研究第31-32页
  3.6.1 实验方案第31页
  3.6.2 实验结果第31-32页
 3.7 结束语第32-33页
第四章 改进自适应遗传变异算子第33-39页
 4.1 引言第33页
 4.2 传统变异算子的改进第33-34页
 4.3 变异概率的自适应调整策略及修正第34-36页
  4.3.1 白适应变异概率第34-35页
  4.3.2 P_m表达式的修正第35-36页
  4.3.3 算法流程第36页
 4.4 实验验证第36-38页
 4.5 结论第38-39页
第五章 基于实数编码的定向交叉单纯形遗传算法第39-44页
 5.1 引言第39页
 5.2 实数交叉算子第39-40页
  5.2.1 实数交叉算子简介第39页
  5.2.2 实数交叉算子的缺陷第39-40页
 5.3 单纯形交叉算子第40-41页
  5.3.1 单纯形法第40页
  5.3.2 单纯形交叉算子第40-41页
 5.4 实验验证第41-43页
 5.5 结论第43-44页
第六章 爬坡算子第44-48页
 6.1 引言第44页
 6.2 爬坡算子第44-45页
 6.3 实验验证第45页
 6.4 结论第45-48页
第七章 改进遗传算法在 CDMA基站优化选址中的应用第48-59页
 7.1 引言第48页
 7.2 CDMA移动蜂窝系统第48-50页
  7.2.1 蜂窝小区的形状与分类第48-50页
  7.2.2 CDMA技术第50页
 7.3 CDMA系统的基站天线第50-52页
 7.4 传播预测模型第52-53页
  7.4.1 自由空间传播第52页
  7.4.2 宏蜂窝预测模型—Okumura-Hata模型第52-53页
 7.5 改进 GA在 COMA基站优化选址中的应用第53-58页
  7.5.1 基于GA的CDMA网络基站优化分布概述第53-54页
  7.5.2 关键实现技术第54-56页
  7.5.3 实验验证第56-58页
 7.6 结论第58-59页
第八章 结论与展望第59-60页
 8.1 本文的主要创新点第59页
 8.2 今后的研究问题第59-60页
参考文献第60-63页
致谢第63-64页
攻读硕士学位期间撰写的论文第64页

论文共64页,点击 下载论文
上一篇:利用动态核的形态联想记忆网络及其应用研究
下一篇:压电矩形板非线性静动态力学特性研究