| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究问题 | 第8页 |
| ·研究目的 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·论文结构安排 | 第10-12页 |
| 2 无线传感器网络概述 | 第12-20页 |
| ·无线传感器网络相关介绍 | 第12-15页 |
| ·网络概述 | 第12-13页 |
| ·网络协议栈结构 | 第13页 |
| ·网络分类 | 第13-14页 |
| ·传感器节点物理结构 | 第14页 |
| ·节点感知模型 | 第14-15页 |
| ·覆盖数学模型及分析 | 第15-16页 |
| ·覆盖类型分类 | 第16-17页 |
| ·群智能算法在覆盖优化中的研究 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 3 粒子群算法在覆盖优化中的研究 | 第20-40页 |
| ·粒子群算法概述 | 第20-21页 |
| ·粒子群算法简介 | 第20页 |
| ·粒子群算法产生 | 第20-21页 |
| ·粒子群算法原理 | 第21-22页 |
| ·粒子群算法研究 | 第22-23页 |
| ·粒子群算法仿真实验 | 第23-27页 |
| ·全局粒子群算法步骤 | 第23-24页 |
| ·实验仿真及最差粒子分析 | 第24-25页 |
| ·局部粒子群算法步骤 | 第25-26页 |
| ·实验仿真及邻域学习粒子分析 | 第26-27页 |
| ·粒子群算法改进 | 第27-38页 |
| ·最差机遇粒子群WCG-PSO算法分析 | 第27-30页 |
| ·萤火虫粒子群算法GL-PSO分析 | 第30-33页 |
| ·G-PSO与GL-PSO融合的GLG-PSO算法 | 第33-36页 |
| ·改进算法实验结果对比分析 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 4 GL-PSO与混洗蛙融合的覆盖优化算法GLPSO-SFLA | 第40-56页 |
| ·混洗蛙跳算法概述 | 第40-41页 |
| ·算法简介及研究成果 | 第40-41页 |
| ·混洗蛙跳算法产生 | 第41页 |
| ·混洗蛙跳算法模型建立 | 第41-43页 |
| ·混洗蛙算法原理 | 第41-42页 |
| ·混洗蛙算法流程 | 第42-43页 |
| ·算法参数分析 | 第43-45页 |
| ·模因组数目与模因组内蛙的个数 | 第43-44页 |
| ·模因组内局部迭代的次数 | 第44-45页 |
| ·参数总结 | 第45页 |
| ·GL-PSO算法与混洗蛙SFLA融合的GLPSO-SFLA算法 | 第45-52页 |
| ·PSO与SFLA算法融合的研究 | 第45-46页 |
| ·GL-PSO与SFLA融合的GLPSO-SFLA算法思想 | 第46-52页 |
| ·实验仿真对比分析 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 5 总结与展望 | 第56-58页 |
| ·论文总结 | 第56-57页 |
| ·论文展望 | 第57-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-66页 |
