基于混合免疫算法的TD-LTE网络基站选址优化研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究的背景 | 第11-12页 |
1.2 研究的目的与意义 | 第12-14页 |
1.2.1 研究的目的 | 第12-13页 |
1.2.2 研究的意义 | 第13-14页 |
1.3 技术路线和研究方法 | 第14-15页 |
1.3.1 论文技术路线 | 第14页 |
1.3.2 研究的方法 | 第14-15页 |
1.4 研究内容和组织结构 | 第15-17页 |
1.4.1 本论文的主要工作 | 第15页 |
1.4.2 论文组织结构 | 第15-17页 |
第二章 移动通信基站选址概述 | 第17-32页 |
2.1 移动通信技术的发展历程 | 第17-21页 |
2.1.1 第一代移动通信系统 | 第18页 |
2.1.2 第二代移动通信系统 | 第18页 |
2.1.3 第三代移动通信系统 | 第18-19页 |
2.1.4 第四代移动通信系统 | 第19-21页 |
2.2 基站选址优化的研究现状 | 第21-24页 |
2.2.1 国外研究情况 | 第21-23页 |
2.2.2 国内研究情况 | 第23-24页 |
2.3 TD-LTE技术分析 | 第24-26页 |
2.3.1 OFDM技术 | 第25页 |
2.3.2 MIMO技术 | 第25-26页 |
2.3.3 干扰协调技术 | 第26页 |
2.4 TD-LTE网络规划 | 第26-27页 |
2.4.1 TD-LTE网络规划概念及目标 | 第26-27页 |
2.4.2 TD-LTE网络基站选择的流程设计 | 第27页 |
2.5 TD-LTE网络基站选址的困难 | 第27-29页 |
2.6 TD-LTE网络基站选址的原则 | 第29页 |
2.7 TD-LTE网络基站选址的目标 | 第29-30页 |
2.8 TD-LTE网络基站选址的方法 | 第30-32页 |
第三章 混合免疫算法分析 | 第32-50页 |
3.1 混合免疫算法的基本思想 | 第32-33页 |
3.2 生物免疫系统 | 第33-36页 |
3.2.1 免疫学的基本概念 | 第33-34页 |
3.2.2 免疫分类 | 第34-35页 |
3.2.3 免疫系统及其功能 | 第35页 |
3.2.4 免疫算法 | 第35-36页 |
3.3 人工免疫算法 | 第36-47页 |
3.3.1 人工免疫系统 | 第37页 |
3.3.2 AIA算法与免疫学概念的关系 | 第37-38页 |
3.3.3 人工免疫算法的重要算子 | 第38-40页 |
3.3.4 人工免疫算法的基本框架 | 第40-41页 |
3.3.5 人工免疫算法的特点 | 第41-42页 |
3.3.6 常见的人工免疫算法 | 第42-46页 |
3.3.7 人工免疫算法的应用 | 第46-47页 |
3.4 协同进化算法 | 第47-50页 |
3.4.1 协同进化算法概念 | 第47-48页 |
3.4.2 协同进化算法的特点 | 第48页 |
3.4.3 协同进化算法结构及步骤 | 第48-50页 |
第四章 混合免疫算法的设计与测试 | 第50-63页 |
4.1 协同进化免疫算法 | 第50-59页 |
4.1.1 分层协同进化免疫算法(LCIA)模型 | 第50-51页 |
4.1.2 LCIA算法的流程 | 第51-53页 |
4.1.3 LCIA算法的免疫操作 | 第53-58页 |
4.1.4 LCIA算法的协同进化操作 | 第58-59页 |
4.2 测试函数与仿真分析 | 第59-63页 |
4.2.1 测试函数 | 第59页 |
4.2.2 仿真分析 | 第59-63页 |
第五章 TD-LTE网络基站选址模型及仿真优化 | 第63-71页 |
5.1 TD-LTE基站选址优化的数学模型 | 第63-65页 |
5.2 模型的算法流程 | 第65-66页 |
5.2.1 种群的初始化和编码方案 | 第65页 |
5.2.2 抗体亲和度评价函数 | 第65页 |
5.2.3 抗体浓度调节 | 第65-66页 |
5.2.4 算子设计 | 第66页 |
5.3 仿真实验与结果分析 | 第66-71页 |
5.3.1 仿真实验参数设置 | 第66-68页 |
5.3.2 结果分析 | 第68-71页 |
第六章 结论及展望 | 第71-73页 |
6.1 本文研究结论 | 第71-72页 |
6.2 研究展望 | 第72-73页 |
致谢 | 第73-74页 |
参考文献 | 第74-80页 |
附录Ⅰ攻读硕士学位期间发表论文及参与项目 | 第80-81页 |
附录Ⅱ | 第81-94页 |