| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 本课题的研究现状与发展趋势 | 第10-12页 |
| 1.3 本论文的研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第2章 协同干扰资源优化分配问题常用算法 | 第15-25页 |
| 2.1 传统算法 | 第16-18页 |
| 2.1.1 枚举法 | 第16页 |
| 2.1.2 匈牙利法 | 第16-17页 |
| 2.1.3 动态规划法 | 第17-18页 |
| 2.2 智能算法 | 第18-23页 |
| 2.2.1 粒子群优化算法 | 第18-20页 |
| 2.2.2 蚁群算法 | 第20-22页 |
| 2.2.3 蝙蝠算法 | 第22-23页 |
| 2.3 算法分析 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 遗传算法的基本原理和方法 | 第25-39页 |
| 3.1 遗传算法概述 | 第25-26页 |
| 3.2 遗传算法的基本概念 | 第26-27页 |
| 3.3 遗传算法的基本要素 | 第27-30页 |
| 3.3.1 编码 | 第27-28页 |
| 3.3.2 个体适应度评价 | 第28-30页 |
| 3.3.3 种群规模 | 第30页 |
| 3.4 遗传算法中的基本操作 | 第30-34页 |
| 3.4.1 选择 | 第31-32页 |
| 3.4.2 交叉 | 第32-33页 |
| 3.4.3 变异 | 第33-34页 |
| 3.5 基本遗传算法 | 第34-35页 |
| 3.6 遗传算法的基本理论 | 第35-38页 |
| 3.6.1 模式定理 | 第35-36页 |
| 3.6.2 积木块假设 | 第36-37页 |
| 3.6.3 收敛问题 | 第37-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 遗传算法的改进 | 第39-51页 |
| 4.1 编码方案的改进 | 第39-40页 |
| 4.2 选择算子的改进 | 第40-41页 |
| 4.3 交叉算子的改进 | 第41-44页 |
| 4.3.1 种群个体间的相关性 | 第42-43页 |
| 4.3.2 交叉概率的设计 | 第43-44页 |
| 4.3.3 交叉操作调整 | 第44页 |
| 4.4 变异算子的改进 | 第44-45页 |
| 4.5 智能修复 | 第45-46页 |
| 4.6 测试函数 | 第46-48页 |
| 4.7 实验仿真 | 第48-50页 |
| 4.7.1 问题描述 | 第48-49页 |
| 4.7.2 求解 0-1 背包问题 | 第49-50页 |
| 4.8 本章总结 | 第50-51页 |
| 第5章 基于改进遗传算法的协同干扰资源优化分配问题 | 第51-65页 |
| 5.1 协同干扰资源调度模型 | 第52-59页 |
| 5.1.1 协同干扰资源分配问题描述 | 第52页 |
| 5.1.2 干扰效能评价指标模型 | 第52-56页 |
| 5.1.3 确定权重系数 | 第56-58页 |
| 5.1.4 建立协同干扰资源分配的目标函数 | 第58-59页 |
| 5.2 目标威胁等级评估 | 第59-60页 |
| 5.3 实例仿真 | 第60-64页 |
| 5.3.1 问题描述 | 第60-61页 |
| 5.3.2 算法步骤 | 第61-62页 |
| 5.3.4 实验结果及分析 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 总结 | 第65-66页 |
| 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73-74页 |
| 大摘要 | 第74-78页 |