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 |