网优智能决策的实现
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 智能网络优化的研究背景与意义 | 第10-12页 |
| 1.2 网络优化的智能化研究现状 | 第12-14页 |
| 1.3 人工智能的关键的技术 | 第14页 |
| 1.4 本文研究的内容 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 需求分析与系统方案 | 第16-28页 |
| 2.1 网络优化研究方案 | 第16-23页 |
| 2.1.1 网络优化目的与流程 | 第16-18页 |
| 2.1.2 网络优化方案设计原则 | 第18-20页 |
| 2.1.3 网络优化智能化的思路 | 第20-22页 |
| 2.1.4 主要优化方案 | 第22-23页 |
| 2.2 网络优化智能化的实现 | 第23-25页 |
| 2.3 智能化、自动化的必要性和可行性 | 第25-26页 |
| 2.4 网优智能化的特点和存在的问题 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 智能算法设计与实现 | 第28-44页 |
| 3.1 蚁群算法 | 第28-34页 |
| 3.1.1 蚁群算法的基本原理 | 第29-30页 |
| 3.1.2 蚁群算法的应用范围 | 第30-31页 |
| 3.1.3 蚁群算法的设计与实现 | 第31-34页 |
| 3.2 粒子群算法 | 第34-38页 |
| 3.2.1 粒子群算法基本原理 | 第34-36页 |
| 3.2.2 粒子群算法的应用范围 | 第36页 |
| 3.2.3 粒子群算法的设计与实现 | 第36-38页 |
| 3.3 模拟退火算法 | 第38-43页 |
| 3.3.1 模拟退火算法基本原理 | 第39页 |
| 3.3.2 模拟退火算法的应用范围 | 第39-40页 |
| 3.3.3 模拟退火算法的设计与实现 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 智能算法在LTE网络功率优化中的应用 | 第44-60页 |
| 4.1 LTE网络功率优化的数学模型 | 第44-45页 |
| 4.2 蚁群算法在LTE网络功率优化中的实现 | 第45-50页 |
| 4.2.1 蚁群算法的基本流程 | 第45-46页 |
| 4.2.2 蚁群算法的实现 | 第46-48页 |
| 4.2.3 蚁群算法的仿真结果 | 第48-50页 |
| 4.3 粒子群算法在LTE网络功率优化中的实现 | 第50-54页 |
| 4.3.1 粒子群算法的基本流程 | 第50页 |
| 4.3.2 粒子群算法的实现 | 第50-52页 |
| 4.3.3 粒子群算法的仿真结果 | 第52-54页 |
| 4.4 模拟退火算法的LTE网络功率优化中的实现 | 第54-59页 |
| 4.4.1 模拟退火算法的基本流程 | 第54-55页 |
| 4.4.2 模拟退火算法的实现 | 第55-57页 |
| 4.4.3 模拟退火算法的仿真 | 第57-59页 |
| 4.5 三种算法实现LTE网络功率优化的比较分析 | 第59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 网优智能化的分析 | 第60-67页 |
| 5.1 三种算法的分析对比 | 第60-62页 |
| 5.1.1 蚁群算法的优缺点 | 第60-61页 |
| 5.1.2 粒子群算法的优缺点 | 第61页 |
| 5.1.3 模拟退火算法的优缺点 | 第61-62页 |
| 5.2 三种算法决策性能的分析对比 | 第62-64页 |
| 5.2.1 DT测试 | 第63页 |
| 5.2.2 CQT测试 | 第63-64页 |
| 5.3 智能决策与人工决策的分析对 | 第64-66页 |
| 5.3.1 数据综合分析智能化 | 第64页 |
| 5.3.2 优化调整智能化 | 第64-65页 |
| 5.3.3 效果评估验证智能化 | 第65页 |
| 5.3.4 流程管控智能化 | 第65-66页 |
| 5.3.5 网优智能决策系统的作用 | 第66页 |
| 5.4 本章小结 | 第66-67页 |
| 总结展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74页 |
