| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 无线传感器网络简介 | 第14-15页 |
| 1.2 无线传感器网络的系统结构 | 第15-20页 |
| 1.2.1 系统架构 | 第15-16页 |
| 1.2.2 软硬件架构 | 第16页 |
| 1.2.3 协议架构 | 第16-18页 |
| 1.2.4 管理架构 | 第18-19页 |
| 1.2.5 网络结构 | 第19-20页 |
| 1.3 无线传感器网络的核心技术 | 第20-22页 |
| 1.3.1 时间同步技术 | 第20页 |
| 1.3.2 节点定位技术 | 第20-21页 |
| 1.3.3 数据融合技术 | 第21页 |
| 1.3.4 拓扑控制技术 | 第21-22页 |
| 1.3.5 网络安全技术 | 第22页 |
| 1.4 无线传感器网络的应用场景 | 第22-24页 |
| 1.4.1 工业领域 | 第22页 |
| 1.4.2 军事领域 | 第22-23页 |
| 1.4.3 智能交通 | 第23页 |
| 1.4.4 农业领域 | 第23页 |
| 1.4.5 环境保护 | 第23页 |
| 1.4.6 智能家居 | 第23-24页 |
| 1.4.7 健康领域 | 第24页 |
| 1.5 论文研究的意义及创新点 | 第24页 |
| 1.6 论文的主要结构 | 第24-26页 |
| 第二章 无线传感器网络覆盖基础 | 第26-34页 |
| 2.1 无线传感器网络的节点感知模型 | 第26-27页 |
| 2.2 无线传感器网络的节点部署方式 | 第27-28页 |
| 2.3 覆盖算法的评价方式 | 第28-29页 |
| 2.4 无线传感器网络覆盖算法分类 | 第29-31页 |
| 2.5 覆盖中的拓扑控制问题 | 第31-34页 |
| 2.5.1 研究目标 | 第31-32页 |
| 2.5.2 能量高效覆盖与拓扑控制 | 第32-34页 |
| 第三章 基于量子蚁群进化算法的自组织无线传感器网络目标覆盖 | 第34-52页 |
| 3.1 引言 | 第34-35页 |
| 3.2 目标覆盖问题的系统模型 | 第35-36页 |
| 3.3 量子蚁群进化算法 | 第36-40页 |
| 3.3.1 自然蚁群进行路径搜索的基本原理 | 第36-37页 |
| 3.3.2 传统蚁群算法 | 第37-38页 |
| 3.3.3 蚁群进化算法解决优化问题 | 第38-39页 |
| 3.3.4 量子蚁群进化算法 | 第39-40页 |
| 3.4 基于量子蚁群进化算法的无线传感器网络目标覆盖 | 第40-46页 |
| 3.4.1 蚁群量子编码 | 第40-42页 |
| 3.4.2 初始量子位的生成 | 第42页 |
| 3.4.3 量子位状态的测量 | 第42页 |
| 3.4.4 蚂蚁适应度的评价 | 第42页 |
| 3.4.5 蚂蚁的移动和信息素的更新 | 第42-44页 |
| 3.4.6 蚂蚁位置的量子旋转门更新 | 第44页 |
| 3.4.7 蚂蚁的变异 | 第44-45页 |
| 3.4.8 量子蚁群进化算法的基本流程 | 第45-46页 |
| 3.5 仿真及结果分析 | 第46-50页 |
| 3.6 小结 | 第50-52页 |
| 第四章 基于量子免疫克隆进化算法的无线传感器网络能量高效目标覆盖 | 第52-66页 |
| 4.1 引言 | 第52-53页 |
| 4.2 无线传感器网络能量高效目标覆盖模型 | 第53-58页 |
| 4.2.1 问题定义 | 第53-56页 |
| 4.2.2 数学模型 | 第56-58页 |
| 4.3 基于量子免疫克隆进化算法的能量高效目标覆盖 | 第58-62页 |
| 4.3.1 抗体的量子位编码 | 第58-59页 |
| 4.3.2 初始抗体的产生 | 第59-60页 |
| 4.3.3 抗体亲和力的测量和计算 | 第60页 |
| 4.3.4 抗体选择和克隆扩增 | 第60-61页 |
| 4.3.5 抗体的替换与保留 | 第61页 |
| 4.3.6 量子免疫克隆进化算法的基本流程 | 第61-62页 |
| 4.4 仿真及结果分析 | 第62-65页 |
| 4.5 结论 | 第65-66页 |
| 第五章 高密度条件下基于模糊化模拟进化计算的无线传感器网络分簇覆盖 | 第66-108页 |
| 5.1 引言 | 第66-67页 |
| 5.2 高密度传感器网络分簇模型 | 第67-68页 |
| 5.3 模拟进化计算 | 第68-77页 |
| 5.3.1 模拟进化计算的生物学起源 | 第69-70页 |
| 5.3.2 模拟进化计算的遗传学基础 | 第70-71页 |
| 5.3.3 模拟进化计算的进化论基础 | 第71-73页 |
| 5.3.4 模拟进化计算的三种算子 | 第73-75页 |
| 5.3.5 模拟进化计算的分类和具体流程 | 第75-76页 |
| 5.3.6 模拟进化计算的优点和局限性 | 第76-77页 |
| 5.4 模糊控制理论基础 | 第77-84页 |
| 5.4.1 模糊控制基础 | 第77-78页 |
| 5.4.2 模糊控制的发展历程 | 第78页 |
| 5.4.3 模糊控制的特点 | 第78-79页 |
| 5.4.4 经典集合到模糊集合的转换 | 第79-80页 |
| 5.4.5 模糊集合的表示方法 | 第80-81页 |
| 5.4.6 常用隶属度函数 | 第81-82页 |
| 5.4.7 模糊集合的运算及扎德算法 | 第82-83页 |
| 5.4.8 模糊量的清晰化 | 第83-84页 |
| 5.5 基于模糊控制的模拟进化计算参数自适应调整 | 第84-98页 |
| 5.5.1 算法参数自适应调整的基本思想 | 第84-85页 |
| 5.5.2 模糊控制器的输入和输出 | 第85-86页 |
| 5.5.3 隶属度函数的选择 | 第86-93页 |
| 5.5.4 模糊规则与模糊蕴含关系 | 第93-95页 |
| 5.5.5 模糊推理及输出模糊量的清晰化 | 第95-98页 |
| 5.6 高密度条件下基于模糊化模拟进化计算的传感器网络分簇 | 第98-101页 |
| 5.6.1 个体编码、种群编码及初始种群的生成 | 第99-100页 |
| 5.6.2 适应度函数的设计 | 第100页 |
| 5.6.3 选择运算 | 第100页 |
| 5.6.4 交叉运算 | 第100-101页 |
| 5.6.5 变异运算 | 第101页 |
| 5.6.6 算法参数的模糊调整 | 第101页 |
| 5.7 仿真结果及分析 | 第101-107页 |
| 5.8 结论 | 第107-108页 |
| 第六章 总结与展望 | 第108-110页 |
| 参考文献 | 第110-118页 |
| 致谢 | 第118-120页 |
| 博士期间发表和录用的论文和专利 | 第120-121页 |
