| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 WSN路由算法 | 第15-27页 |
| 2.1 WSN概述 | 第15-17页 |
| 2.1.1 WSN体系结构 | 第15-17页 |
| 2.1.2 WSN网络关键技术 | 第17页 |
| 2.2 WSN路由算法的主要研究思路 | 第17-18页 |
| 2.3 WSN路由算法研究进展 | 第18-20页 |
| 2.4 现有分簇路由算法分析 | 第20-26页 |
| 2.4.1 LEACH算法 | 第20-22页 |
| 2.4.2 LEACH-C算法 | 第22-23页 |
| 2.4.3 PEGASIS算法 | 第23-24页 |
| 2.4.4 TEEN算法 | 第24-25页 |
| 2.4.5 HEED算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于改进粒子群优化的WSN非均匀成簇算法 | 第27-47页 |
| 3.1 概述 | 第27-28页 |
| 3.2 粒子群优化算法 | 第28-32页 |
| 3.2.1 粒子群优化算法的数学模型 | 第28-30页 |
| 3.2.2 带惯性权重粒子群优化算法 | 第30页 |
| 3.2.3 粒子群优化算法流程 | 第30-32页 |
| 3.3 粒子群优化算法的改进 | 第32-37页 |
| 3.3.1 惯性权重 | 第32页 |
| 3.3.2 加速因子 | 第32-33页 |
| 3.3.3 仿真实验结果分析 | 第33-37页 |
| 3.4 基于改进粒子群优化的WSN非均匀成簇算法 | 第37-42页 |
| 3.4.1 PSO-CRA算法能量模型 | 第37-39页 |
| 3.4.2 候选簇头产生 | 第39-40页 |
| 3.4.3 粒子群优化最终簇头产生 | 第40-41页 |
| 3.4.4 PSO-CRA算法的实现 | 第41-42页 |
| 3.5 实验结果及分析 | 第42-46页 |
| 3.5.1 评价参数 | 第42页 |
| 3.5.2 仿真环境 | 第42-43页 |
| 3.5.3 仿真结果分析 | 第43-46页 |
| 3.6 本章总结 | 第46-47页 |
| 第四章 基于改进蚁群优化的WSN分簇路由算法 | 第47-63页 |
| 4.1 概述 | 第47页 |
| 4.2 蚁群优化算法 | 第47-50页 |
| 4.2.1 蚁群优化算法的数学模型 | 第48-49页 |
| 4.2.2 蚁群优化算法流程 | 第49-50页 |
| 4.3 基于改进蚁群优化的WSN分簇路由算法 | 第50-54页 |
| 4.3.1 单跳分簇路由引起的负载不均衡 | 第50-51页 |
| 4.3.2 蚁群算法应用于多跳路由机制的改进 | 第51-54页 |
| 4.3.3 ACO-CRA算法的实现 | 第54页 |
| 4.4 仿真结果及分析 | 第54-62页 |
| 4.4.1 仿真环境 | 第54-55页 |
| 4.4.2 仿真结果分析 | 第55-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 基于改进粒子群和蚁群优化的WSN分簇路由算法 | 第63-69页 |
| 5.1 概述 | 第63页 |
| 5.2 基于改进粒子群和蚁群优化的WSN分簇路由算法总体设计 | 第63-66页 |
| 5.3 仿真结果及分析 | 第66-68页 |
| 5.3.1 仿真环境 | 第66页 |
| 5.3.2 仿真结果分析 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第74-75页 |
| 致谢 | 第75页 |