| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-13页 |
| 1.1.1 认知无线电概述 | 第8-9页 |
| 1.1.2 认知无线电国内外研究进展 | 第9-11页 |
| 1.1.3 认知无线网络中的资源优化问题 | 第11-13页 |
| 1.2 遗传算法与免疫克隆算法 | 第13-17页 |
| 1.2.1 人工智能算法简介 | 第13-14页 |
| 1.2.2 遗传算法 | 第14-16页 |
| 1.2.3 免疫克隆选择算法 | 第16-17页 |
| 1.3 论文的内容与安排 | 第17-18页 |
| 第二章 基于遗传算法的认知 OFDM 网络子载波优化分配算法 | 第18-30页 |
| 2.1 认知 OFDM 网络子载波优化分配概述 | 第18-21页 |
| 2.2 基于遗传算法的认知 OFDM 网络子载波优化分配 | 第21-25页 |
| 2.2.1 种群编码 | 第21页 |
| 2.2.2 种群初始化 | 第21-22页 |
| 2.2.3 种群的交叉操作 | 第22页 |
| 2.2.4 种群变异操作 | 第22页 |
| 2.2.5 种群的适应度评价 | 第22-24页 |
| 2.2.6 种群更新操作 | 第24页 |
| 2.2.7 算法整体流程 | 第24-25页 |
| 2.3 实验对比与分析 | 第25-29页 |
| 2.3.1 实验参数设定 | 第25页 |
| 2.3.2 不同的次用户数量下算法效果 | 第25-27页 |
| 2.3.3 不同总功率限制下算法比较 | 第27页 |
| 2.3.4 同比例公平约束下算法比较 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于多元离散编码免疫克隆的认知 OFDM 网络上行链路资源分配算法 | 第30-46页 |
| 3.1 认知 OFDM 网络上行链路资源分配模型 | 第30-32页 |
| 3.2 基于多元离散编码的免疫克隆算法 | 第32-38页 |
| 3.2.1 算法实现原理 | 第32-33页 |
| 3.2.2 算法实现过程 | 第33-38页 |
| 3.3 实验对比与分析 | 第38-43页 |
| 3.3.1 实验参数设定 | 第38-39页 |
| 3.3.2 算法收敛性分析 | 第39-40页 |
| 3.3.3 MSR 准则下算法性能分析 | 第40-42页 |
| 3.3.4 其他准则下实验对比 | 第42-43页 |
| 3.4 本章小结 | 第43-46页 |
| 第四章 基于无约束多目标免疫克隆的认知 OFDM 网络下行链路资源分配算法 | 第46-62页 |
| 4.1 认知 OFDM 网络下行链路资源优化分配模型 | 第46-48页 |
| 4.2 基于无约束多目标的克隆选择算法 | 第48-56页 |
| 4.2.1 算法基本原理 | 第48-50页 |
| 4.2.2 算法实现过程 | 第50-56页 |
| 4.3 实验对比与分析 | 第56-60页 |
| 4.3.1 参数设置 | 第56页 |
| 4.3.2 不同的次用户数量下算法效果 | 第56-58页 |
| 4.3.3 不同总功率限制下算法比较 | 第58-59页 |
| 4.3.4 不同比例公平约束下算法比较 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 硕士期间的学术成果 | 第70-72页 |
| 攻读硕士期间参与的主要科研项目 | 第72-73页 |
