中文摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第一章 绪论 | 第9-21页 |
1.1 本课题的研究意义 | 第9-10页 |
1.2 人工蜂群算法的研究现状 | 第10-15页 |
1.2.1 人工蜂群算法自身的改进 | 第11-13页 |
1.2.2 人工蜂群算法与其他算法的融合 | 第13-15页 |
1.3 人工蜂群算法的应用 | 第15-19页 |
1.3.1 在神经网络训练中的应用 | 第15页 |
1.3.2 在图像处理中的应用 | 第15-16页 |
1.3.3 在通信领域中的应用 | 第16-17页 |
1.3.4 在数据挖掘中的应用 | 第17-18页 |
1.3.5 在组合优化中的应用 | 第18-19页 |
1.4 论文的结构安排 | 第19-21页 |
第二章 人工蜂群多用户检测算法的基本理论 | 第21-43页 |
2.1 人工蜂群算法的基本理论 | 第21-32页 |
2.1.1 起源与进展 | 第21-23页 |
2.1.2 人工蜂群算法的基本原理 | 第23-25页 |
2.1.3 连续人工蜂群算法 | 第25-28页 |
2.1.4 二进制人工蜂群算法 | 第28-32页 |
2.2 二进制人工蜂群多用户检测算法的基本原理 | 第32-36页 |
2.2.1 系统模型 | 第32-34页 |
2.2.2 基本原理 | 第34-36页 |
2.3 二进制人工蜂群多用户检测算法的参数影响与评价指标 | 第36-42页 |
2.3.1 参数影响 | 第36-39页 |
2.3.2 评价指标 | 第39-42页 |
2.4 本章小结 | 第42-43页 |
第三章 差分演化二进制人工蜂群算法及在多用户检测中的应用 | 第43-62页 |
3.1 差分演化算法 | 第43-45页 |
3.1.1 算法原理 | 第43-44页 |
3.1.2 实现步骤与算法流程 | 第44-45页 |
3.2 差分演化二进制人工蜂群算法 | 第45-55页 |
3.2.1 算法原理 | 第45-46页 |
3.2.2 实现步骤与算法流程 | 第46-48页 |
3.2.3 收敛性分析 | 第48-50页 |
3.2.4 算法仿真 | 第50-55页 |
3.3 基于差分演化二进制人工蜂群算法的多用户检测 | 第55-61页 |
3.3.1 参数编码与目标函数选择 | 第55页 |
3.3.2 实现步骤 | 第55-56页 |
3.3.3 算法流程 | 第56页 |
3.3.4 计算机仿真 | 第56-61页 |
3.4 本章小结 | 第61-62页 |
第四章 粒子群二进制人工蜂群算法及在多用户检测中的应用 | 第62-82页 |
4.1 粒子群优化算法 | 第62-64页 |
4.1.1 算法原理 | 第62-63页 |
4.1.2 实现步骤与算法流程 | 第63-64页 |
4.2 粒子群二进制人工蜂群算法 | 第64-75页 |
4.2.1 算法原理 | 第64-65页 |
4.2.2 实现步骤与算法流程 | 第65-67页 |
4.2.3 收敛性分析 | 第67-68页 |
4.2.4 算法仿真 | 第68-75页 |
4.3 基于粒子群二进制人工蜂群算法的多用户检测 | 第75-81页 |
4.3.1 参数编码与目标函数选择 | 第75-76页 |
4.3.2 实现步骤 | 第76页 |
4.3.3 算法流程 | 第76页 |
4.3.4 计算机仿真 | 第76-81页 |
4.4 本章小结 | 第81-82页 |
第五章 分布估计二进制人工蜂群算法及在多用户检测中的应用 | 第82-101页 |
5.1 分布估计算法 | 第82-85页 |
5.1.1 算法原理 | 第82-83页 |
5.1.2 实现步骤与算法流程 | 第83-85页 |
5.2 分布估计二进制人工蜂群算法 | 第85-94页 |
5.2.1 算法原理 | 第85-86页 |
5.2.2 实现步骤与算法流程 | 第86-87页 |
5.2.3 收敛性分析 | 第87-88页 |
5.2.4 算法仿真 | 第88-94页 |
5.3 基于分布估计二进制人工蜂群算法的多用户检测 | 第94-100页 |
5.3.1 参数编码与目标函数选择 | 第94-95页 |
5.3.2 实现步骤 | 第95页 |
5.3.3 算法流程 | 第95-97页 |
5.3.4 计算机仿真 | 第97-100页 |
5.4 本章小结 | 第100-101页 |
第六章 总结与展望 | 第101-103页 |
6.1 论文的主要工作 | 第101-102页 |
6.2 今后的研究方向 | 第102-103页 |
参考文献 | 第103-117页 |
发表论文和参加科研情况说明 | 第117-118页 |
致谢 | 第118页 |