混沌量子粒子群算法在无线传感器网络覆盖优化中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 WSN的概述 | 第9-14页 |
| 1.1.1 网络体系结构 | 第10-11页 |
| 1.1.2 传感器节点 | 第11-12页 |
| 1.1.3 WSN的特点 | 第12-14页 |
| 1.1.4 提高网络覆盖率的意义 | 第14页 |
| 1.2 群集智能算法于WSN覆盖 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.4 本文的研究工作 | 第16-17页 |
| 1.5 论文结构安排 | 第17-18页 |
| 第二章 WSN覆盖优化问题的研究 | 第18-27页 |
| 2.1 覆盖的基本概念介绍 | 第18页 |
| 2.2 WSN覆盖分类 | 第18-23页 |
| 2.2.1 以部署方式的不同进行分类 | 第19页 |
| 2.2.2 不同覆盖区域情况下的分类结果 | 第19-22页 |
| 2.2.3 以感知模型的不同进行分类 | 第22-23页 |
| 2.3 随机覆盖数学模型 | 第23-24页 |
| 2.4 覆盖的评价标准 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 粒子群算法及其改进 | 第27-39页 |
| 3.1 标准粒子群算法 | 第27-31页 |
| 3.1.1 算法基本原理 | 第27-28页 |
| 3.1.2 PSO算法的步骤及流程 | 第28-30页 |
| 3.1.3 PSO算法的优缺点总结 | 第30-31页 |
| 3.2 量子粒子群优化算法 | 第31-36页 |
| 3.2.1 算法的基本原理 | 第31-33页 |
| 3.2.2 算法步骤及流程 | 第33-34页 |
| 3.2.3 算法学习模式 | 第34-35页 |
| 3.2.4 同基本粒子群算法比较 | 第35-36页 |
| 3.3 混沌算法 | 第36-38页 |
| 3.3.1 混沌现象简介 | 第36页 |
| 3.3.2 混沌的特性 | 第36-37页 |
| 3.3.3 混沌映射方程 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于混沌量子粒子群算法的WSNS覆盖优化 | 第39-46页 |
| 4.1 覆盖优化建模 | 第39-40页 |
| 4.1.1 算法基本思想 | 第39页 |
| 4.1.2 基于精英个体适应值方差的早熟判断机制 | 第39-40页 |
| 4.1.3 算法流程 | 第40页 |
| 4.2 仿真实验 | 第40-42页 |
| 4.2.1 仿真设置与平台 | 第40-41页 |
| 4.2.2 停滞阈值的影响 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-45页 |
| 4.3.1 初始传感节点覆盖情况分析 | 第42-43页 |
| 4.3.2 四种算法的实验结果对比 | 第43-44页 |
| 4.3.3 性能指标对比结果 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 研究总结 | 第46-47页 |
| 5.2 前景展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录 QPSO算法的MATLAB代码 | 第52-55页 |
| 致谢 | 第55-56页 |
| 个人简介 | 第56-57页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第57页 |
