| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第11-30页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-24页 |
| 1.2.1 WSN气味源定位 | 第13-16页 |
| 1.2.1.1 基于概率推理的WSN气味源定位 | 第13-14页 |
| 1.2.1.2 基于最小二乘的WSN气味源定位 | 第14-16页 |
| 1.2.2 多移动传感节点气味源定位 | 第16-24页 |
| 1.2.2.1 单移动传感节点气味源定位 | 第16-21页 |
| 1.2.2.2 多移动传感节点气味源定位 | 第21-24页 |
| 1.3 待研究的问题 | 第24-27页 |
| 1.3.1 WSN气味源定位中待研究的问题 | 第24-25页 |
| 1.3.2 多移动传感节点气味源定位中待研究的问题 | 第25-27页 |
| 1.4 本文主要内容 | 第27-30页 |
| 第二章 基于最小二乘法和遗传算法的WSN气味源定位 | 第30-43页 |
| 2.1 气体扩散模型 | 第30-33页 |
| 2.2 基于最小二乘法和遗传算法的WSN气味源定位方法 | 第33-37页 |
| 2.3 仿真及其结果分析 | 第37-42页 |
| 2.3.1 单次定位过程 | 第38-39页 |
| 2.3.2 多次定位结果 | 第39-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第三章 基于随机行走和人工势场的多移动传感节点烟羽发现 | 第43-55页 |
| 3.1 随机行走理论 | 第43-45页 |
| 3.2 基于随机行走和人工势场的多移动传感节点烟羽发现 | 第45-47页 |
| 3.3 仿真及结果分析 | 第47-54页 |
| 3.3.1 参数值选择 | 第48-52页 |
| 3.3.2 不同算法比较 | 第52-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 基于在线强化学习的多移动传感节点烟羽循迹 | 第55-73页 |
| 4.1 问题描述 | 第55-57页 |
| 4.2 基于在线强化学习的烟羽循迹方法 | 第57-63页 |
| 4.2.1 策略改进 | 第59-61页 |
| 4.2.2 策略评估 | 第61-63页 |
| 4.3 实验及结果分析 | 第63-72页 |
| 4.3.1 实验设置 | 第63-65页 |
| 4.3.2 参数值选择 | 第65-68页 |
| 4.3.3 实验结果及分析 | 第68-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 基于行为和进化计算的多移动传感节点气味源定位 | 第73-91页 |
| 5.1 多移动传感节点的运动决策方式 | 第73-76页 |
| 5.2 基于行为的多移动传感节点气味源定位方法框架 | 第76-80页 |
| 5.2.1 行为选择机制 | 第76-78页 |
| 5.2.2 各行为的设计要点 | 第78-80页 |
| 5.3 基于进化计算的多移动传感节点烟羽利用行为 | 第80-87页 |
| 5.3.1 一般模式 | 第80-83页 |
| 5.3.2 基于人工蜂群算法的烟羽利用行为 | 第83-87页 |
| 5.3.3 基于遗传算法的烟羽利用行为 | 第87页 |
| 5.4 仿真及结果分析 | 第87-90页 |
| 5.5 本章小结 | 第90-91页 |
| 第六章 总结与展望 | 第91-95页 |
| 6.1 总结 | 第91-93页 |
| 6.2 展望 | 第93-95页 |
| 参考文献 | 第95-105页 |
| 发表论文和科研情况说明 | 第105-107页 |
| 致谢 | 第107-108页 |
