| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 无线传感器网络的体系结构 | 第10-11页 |
| 1.2 无线传感器网络的特点 | 第11-12页 |
| 1.3 无线传感器网络的应用 | 第12-13页 |
| 1.4 无线传感器网络的关键技术及面临的挑战 | 第13-14页 |
| 1.5 本文的主要工作和章节安排 | 第14-16页 |
| 2 无线传感器网络的路由协议 | 第16-27页 |
| 2.1 无线传感器网络的路由协议的设计原则 | 第16-17页 |
| 2.2 无线传感器网络路由协议的分类 | 第17-18页 |
| 2.3 几种典型路由协议的分析 | 第18-23页 |
| 2.3.1 平面路由协议 | 第18-21页 |
| 2.3.2 分簇路由协议 | 第21-23页 |
| 2.4 基于梯度的分级簇算法 | 第23-26页 |
| 2.4.1 模型建立 | 第23-24页 |
| 2.4.2 算法描述 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 粒子群算法和蚁群算法算法简介 | 第27-36页 |
| 3.1 粒子群算法简介 | 第27-30页 |
| 3.1.1 粒子群算法的基本原理 | 第27-28页 |
| 3.1.2 PSO的算法流程 | 第28-29页 |
| 3.1.3 PSO应用于WSN中的优势 | 第29-30页 |
| 3.2 蚁群算法简介 | 第30-35页 |
| 3.2.1 蚁群算法的数学模型 | 第30-32页 |
| 3.2.2 蚁群算法的流程 | 第32-33页 |
| 3.2.3 蚁群算法应用于WSN中的优势 | 第33页 |
| 3.2.4 改进的变异蚁群算法 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于梯度和群体智能算法的分簇拓扑算法 | 第36-47页 |
| 4.1 基于PSO的簇头优化方案 | 第36-40页 |
| 4.1.1 问题描述及适应度函数的构建 | 第36-37页 |
| 4.1.2 副簇头的选择方案 | 第37-38页 |
| 4.1.3 粒子到节点间的映射 | 第38页 |
| 4.1.4 算法描述 | 第38-39页 |
| 4.1.5 特例分析 | 第39-40页 |
| 4.2 基于变异蚁群算法的簇树建立方案 | 第40-43页 |
| 4.2.1 评估函数及变异蚂蚁模型 | 第41-42页 |
| 4.2.2 转移概率到前进目标的映射 | 第42页 |
| 4.2.3 算法描述 | 第42-43页 |
| 4.3 GSIA算法的性能分析 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 基于粒子群算法的GSIA簇树优化 | 第47-57页 |
| 5.1 适应度函数的选择 | 第47-48页 |
| 5.2 算法描述 | 第48-50页 |
| 5.3 GSIA优化算法的性能分析 | 第50-54页 |
| 5.3.1 算法优化前后的性能对比 | 第50-51页 |
| 5.3.2 参数设置对GSIA优化算法的性能的影响 | 第51-54页 |
| 5.4 基于梯度和群体智能算法的分簇拓扑算法的维护与更新 | 第54-56页 |
| 5.4.1 节点上线 | 第54-55页 |
| 5.4.2 节点下线 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 总结和展望 | 第57-59页 |
| 6.1 全文总结 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 个人简历及研究成果 | 第62-63页 |
| 致谢 | 第63页 |