智能优化下的频谱分配算法
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 符号变量表 | 第9-11页 |
| 1 绪论 | 第11-18页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 频谱分配的研究现状 | 第12-16页 |
| 1.2.1 认知无线电的研究现状 | 第12-14页 |
| 1.2.2 认知无线电中频谱分配的研究现状 | 第14-16页 |
| 1.3 本文研究问题的提出及主要内容 | 第16页 |
| 1.4 本文的组织结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 认知无线电技术中的频谱分配模型及智能优化算法 | 第18-27页 |
| 2.1 认知无线电技术 | 第18-20页 |
| 2.1.1 频谱感知 | 第18-19页 |
| 2.1.2 频谱决策 | 第19页 |
| 2.1.3 频谱共享 | 第19页 |
| 2.1.4 频谱移动 | 第19-20页 |
| 2.2 频谱分配模型 | 第20-23页 |
| 2.2.1 干扰温度频谱分配模型 | 第20-21页 |
| 2.2.2 拍卖竞价频谱分配模型 | 第21页 |
| 2.2.3 博弈论频谱分配模型 | 第21-22页 |
| 2.2.4 基于图论频谱分配模型 | 第22-23页 |
| 2.3 智能优化算法 | 第23-26页 |
| 2.3.1 遗传算法 | 第23-24页 |
| 2.3.2 粒子群算法 | 第24-25页 |
| 2.3.3 蝙蝠算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 多策略离散人工蜂群下的频谱分配算法 | 第27-41页 |
| 3.1 离散人工蜂群算法 | 第27-30页 |
| 3.1.1 人工蜂群算法的生物模型 | 第27-28页 |
| 3.1.2 二进制离散人工蜂群算法 | 第28-30页 |
| 3.2 基于MDABC的频谱分配算法 | 第30-35页 |
| 3.2.1 基于图论频谱分配的数学模型 | 第30-32页 |
| 3.2.2 种群更新策略 | 第32-33页 |
| 3.2.3 更新维度的选择策略 | 第33-34页 |
| 3.2.4 MDABC-SA算法的基本流程 | 第34-35页 |
| 3.3 算法复杂度分析 | 第35-36页 |
| 3.4 性能仿真及结果分析 | 第36-40页 |
| 3.4.1 阶段划分阈值T的测试 | 第36-37页 |
| 3.4.2 网络平均效益和时间的比较 | 第37-38页 |
| 3.4.3 认知用户数变化下的算法比较 | 第38-39页 |
| 3.4.4 可用频谱数变化下的算法比较 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 自适应差分进化算法下的多目标频谱分配 | 第41-56页 |
| 4.1 差分进化算法 | 第41-43页 |
| 4.1.1 差分进化算法概述 | 第41-42页 |
| 4.1.2 差分进化算法流程 | 第42-43页 |
| 4.2 基于EADE的多目标频谱分配算法 | 第43-47页 |
| 4.2.1 多目标效益函数 | 第43-44页 |
| 4.2.2 向最优解学习的变异算子 | 第44-45页 |
| 4.2.3 含“亲 1”特性的二进制编码 | 第45页 |
| 4.2.4 自适应的交叉因子 | 第45-46页 |
| 4.2.5 EADE-MSA算法流程 | 第46-47页 |
| 4.3 算法的复杂度分析 | 第47页 |
| 4.4 性能仿真及结果分析 | 第47-55页 |
| 4.4.1 阶段分界参数的测试 | 第48-49页 |
| 4.4.2 网络平均效益和时间的比较 | 第49-53页 |
| 4.4.3 认知用户数变化下的算法比较 | 第53页 |
| 4.4.4 可用频谱数变化下的算法比较 | 第53-54页 |
| 4.4.5 多目标频谱分配算法仿真 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 后续研究工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第64页 |
