| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及目的意义 | 第8-11页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 研究目的与意义 | 第9-11页 |
| 1.2 国内外相关技术发展现状 | 第11-13页 |
| 1.3 本文的主要研究内容和组织结构 | 第13-15页 |
| 第2章 WSN 中的相关概念及其数学模型 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 WSN 中的相关概念 | 第15-16页 |
| 2.2.1 无线电能量耗散模型 | 第15页 |
| 2.2.2 数据汇总 | 第15-16页 |
| 2.2.3 感应范围 | 第16页 |
| 2.2.4 生存周期 | 第16页 |
| 2.2.5 网络负载 | 第16页 |
| 2.3 WSN 覆盖率与生存期的数学模型 | 第16-18页 |
| 2.3.1 问题描述 | 第16-17页 |
| 2.3.2 数学模型 | 第17-18页 |
| 2.4 最短路由路径数学模型 | 第18-20页 |
| 2.4.1 问题描述 | 第18-19页 |
| 2.4.2 数学模型 | 第19-20页 |
| 2.5 WSN 网络布局数学总模型 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 基于种群交叉策略的遗传算法 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 遗传算法 | 第23-26页 |
| 3.3 遗传多目标优化 | 第26-28页 |
| 3.3.1 多目标优化的基本概念 | 第27页 |
| 3.3.2 适应值分配机制 | 第27-28页 |
| 3.4 基于种群交叉策略的遗传算法 | 第28-29页 |
| 3.5 基于协商机制的遗传算法 | 第29-34页 |
| 3.5.1 基于协商机制的遗传算法 | 第29-30页 |
| 3.5.2 贝叶斯网络 | 第30-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 改进后的遗传算法在 WSN 中的应用 | 第35-53页 |
| 4.1 引言 | 第35页 |
| 4.2 利用基于种群交叉策略的遗传算法解决 WSN 优化问题 | 第35-39页 |
| 4.2.1 分治法 | 第35-36页 |
| 4.2.2 CEA 的具体操作 | 第36-39页 |
| 4.3 CEA 在多目标最短路由路径中的应用 | 第39-42页 |
| 4.3.1 种群初始化 | 第39-40页 |
| 4.3.2 重组操作 | 第40-41页 |
| 4.3.3 变异操作 | 第41页 |
| 4.3.4 去除路径中的圈操作 | 第41-42页 |
| 4.4 基于协商机制的遗传算法在 WSN 布局中的应用 | 第42页 |
| 4.5 实验结果与分析 | 第42-52页 |
| 4.5.1 覆盖率与生存期问题的实验结果与分析 | 第42-47页 |
| 4.5.2 最优路由路径的实验结果与分析 | 第47-49页 |
| 4.5.3 WSN 总布局的实验结果与分析 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的学术论文 | 第58-60页 |
| 致谢 | 第60页 |