基站共址优化问题的应用研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 引言 | 第7-8页 |
| 1.2 多目标优化的发展和现状 | 第8-9页 |
| 1.3 本文的研究背景 | 第9-10页 |
| 1.4 本文的主要工作及安排 | 第10-12页 |
| 第二章 多目标优化问题基础理论 | 第12-18页 |
| 2.1 多目标优化问题的描述与Pareto最优解 | 第12-14页 |
| 2.1.1 多目标优化问题的数学描述 | 第12页 |
| 2.1.2 Pareto最优解的概念 | 第12-14页 |
| 2.2 最初求解多目标优化问题的一般方法 | 第14-18页 |
| 2.2.1 古典的多目标优化方法 | 第14-16页 |
| 2.2.2 经典的多目标优化方法 | 第16-18页 |
| 第三章 几种新型的求解多目标优化问题的方法 | 第18-27页 |
| 3.1 基于进化算法的多目标优化方法 | 第18-20页 |
| 3.2 基于分布估计的多目标优化方法 | 第20-21页 |
| 3.3 基于粒子群算法的多目标优化算法 | 第21-22页 |
| 3.4 多目标人工免疫优化算法 | 第22-27页 |
| 3.4.1 人工免疫算法 | 第23-24页 |
| 3.4.2 人工免疫算法特点与流程 | 第24-26页 |
| 3.4.3 人工免疫算法与其他算法的比较 | 第26-27页 |
| 第四章 改进的人工免疫算法在基站选址中的应用 | 第27-41页 |
| 4.1 基站选址问题的模型 | 第27-28页 |
| 4.1.1 问题背景 | 第27页 |
| 4.1.2 问题的模型 | 第27-28页 |
| 4.1.3 问题模型的解决方案 | 第28页 |
| 4.2 基站选址中免疫算法的引入 | 第28-34页 |
| 4.2.1 编码方法与种群初始化 | 第28页 |
| 4.2.2 抗体亲和度 | 第28-29页 |
| 4.2.3 抗体浓度 | 第29-30页 |
| 4.2.4 算子设计 | 第30页 |
| 4.2.5 人工免疫算法框架 | 第30-31页 |
| 4.2.6 仿真实验 | 第31-33页 |
| 4.2.7 小结 | 第33-34页 |
| 4.3 基于免疫算法的讨价还价博弈理论的引入 | 第34-41页 |
| 4.3.1 讨价还价博弈模型 | 第34-35页 |
| 4.3.2 基于讨价还价博弈的算法 | 第35-36页 |
| 4.3.3 基于免疫算法求解帕累托前沿 | 第36页 |
| 4.3.4 基于讨价还价博弈的基站选址优化 | 第36-38页 |
| 4.3.5 仿真实验 | 第38-41页 |
| 第五章 论文结论与展望 | 第41-43页 |
| 5.1 论文结论 | 第41页 |
| 5.2 论文展望 | 第41-43页 |
| 硕士期间发表的论文 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
