| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·研究内容 | 第17页 |
| ·本文主要工作 | 第17-18页 |
| ·论文结构 | 第18-19页 |
| 第2章 信道分配策略概述 | 第19-29页 |
| ·前言 | 第19页 |
| ·信道分配策略 | 第19-21页 |
| ·信道离散化 | 第19-20页 |
| ·信道复用 | 第20页 |
| ·信道分配策略的分类 | 第20-21页 |
| ·评价CAS的性能指标 | 第21页 |
| ·固定信道分配 | 第21-25页 |
| ·简单FCA和信道分配最优化方案 | 第22页 |
| ·信道借用分配方案 | 第22-25页 |
| ·动态信道分配 | 第25-27页 |
| ·集中式DCA | 第25-26页 |
| ·分布式DCA | 第26页 |
| ·呼叫接续式DCA | 第26-27页 |
| ·自适应式DCA | 第27页 |
| ·混合信道分配 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第3章 信道分配问题 | 第29-39页 |
| ·前言 | 第29页 |
| ·信道分配问题 | 第29-34页 |
| ·信道分配问题中的电磁兼容限制 | 第29页 |
| ·信道分配问题模型 | 第29-31页 |
| ·Philadelphia benchmark问题 | 第31-34页 |
| ·解决信道分配问题的算法 | 第34-38页 |
| ·图形着色法 | 第34-35页 |
| ·神经网络 | 第35-36页 |
| ·模拟退火 | 第36页 |
| ·遗传算法 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于改进遗传算法的信道分配方案 | 第39-50页 |
| ·前言 | 第39页 |
| ·遗传算法 | 第39-42页 |
| ·遗传算法基本原理 | 第39-40页 |
| ·基本遗传算法操作 | 第40-41页 |
| ·遗传算法基本流程 | 第41-42页 |
| ·基于改进遗传算法的信道分配方案 | 第42-47页 |
| ·最小间隔编码方案 | 第42-43页 |
| ·适应度评价函数 | 第43页 |
| ·种群初始化方法 | 第43-44页 |
| ·选择算子 | 第44页 |
| ·交叉算子 | 第44-45页 |
| ·变异算子 | 第45-46页 |
| ·终止条件 | 第46页 |
| ·算法流程 | 第46-47页 |
| ·实验结果 | 第47-49页 |
| ·初始种群适应度比较 | 第47页 |
| ·最优解收敛率比较 | 第47-48页 |
| ·收敛速度比较 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第5章 基于离散粒子群优化与频率优先分配的信道分配方案 | 第50-63页 |
| ·前言 | 第50页 |
| ·粒子群优化算法 | 第50-53页 |
| ·粒子群优化算法的基本原理 | 第50-51页 |
| ·基本粒子群优化算法 | 第51页 |
| ·粒子群优化算法流程 | 第51-52页 |
| ·基于PSO算法的离散优化 | 第52-53页 |
| ·DPSO与FEA相结合的信道分配方案 | 第53-57页 |
| ·离散粒子群优化算法 | 第53-54页 |
| ·频率优先分配策略 | 第54-55页 |
| ·基于DPSO与FEA的信道分配方案 | 第55-57页 |
| ·实验结果 | 第57-62页 |
| ·惯性项的取舍与参数设置 | 第57-61页 |
| ·最优解收敛率和收敛速度的比较 | 第61-62页 |
| ·小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A Philadelphia benchmark问题的解 | 第69-76页 |
| 附录B 攻读学位期间所发表的学术论文目录 | 第76-77页 |
| 致谢 | 第77页 |
