| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 问题的提出及研究意义 | 第9-12页 |
| 1.1.1 无线传感网络的结构 | 第10-11页 |
| 1.1.2 无线传感网络的特点 | 第11-12页 |
| 1.2 国内外课题相关内容研究现状 | 第12-15页 |
| 1.3 本文主要工作和组织结构 | 第15-17页 |
| 1.3.1 本文主要工作 | 第15-16页 |
| 1.3.2 论文研究结构 | 第16-17页 |
| 第二章 基于簇首固定的分簇的智能优化算法 | 第17-44页 |
| 2.1 智能优化分簇方案及网络模型 | 第17-27页 |
| 2.1.1 节点序列表达 | 第18-19页 |
| 2.1.2 序列初始化方案 | 第19-20页 |
| 2.1.3 分簇算法的适应函数 | 第20-23页 |
| 2.1.4 簇首的路由算法 | 第23-27页 |
| 2.2 基于遗传算法的分簇优化方法 | 第27-29页 |
| 2.2.1 遗传算法流程 | 第28页 |
| 2.2.2 交叉与变异 | 第28-29页 |
| 2.3 基于模拟退火算法的分簇优化算法 | 第29-32页 |
| 2.3.1 模拟退火算法的思想 | 第29-30页 |
| 2.3.2 模拟退火算法的描述 | 第30-31页 |
| 2.3.3 模拟退火算法的核心技术 | 第31-32页 |
| 2.3.4 模拟退火算法的结构 | 第32页 |
| 2.4 基于人工智能蚁群算法的分簇优化算法 | 第32-36页 |
| 2.4.1 基本蚁群算法的流程框图 | 第33-34页 |
| 2.4.2 基本蚁群算法的数学模型 | 第34-36页 |
| 2.5 仿真实验 | 第36-43页 |
| 2.6 本章小结 | 第43-44页 |
| 第三章 基于固定簇首自调节蚁群WSN分簇路由规划 | 第44-62页 |
| 3.1 人工智能蚁群算法改进方案 | 第44-47页 |
| 3.1.1 特种蚁群算法 | 第44-45页 |
| 3.1.2 自调节随机扰动蚁群算法 | 第45-47页 |
| 3.2 混沌蚁群算法 | 第47-53页 |
| 3.2.1 混沌运动特性 | 第48页 |
| 3.2.2 混沌初始化 | 第48页 |
| 3.2.3 混沌扰动 | 第48-49页 |
| 3.2.4 改进的蚁群算法混沌运动最佳参数的选取实验 | 第49-53页 |
| 3.3 改进的蚁群算法对无线传感网分簇的应用 | 第53-54页 |
| 3.3.1 网络模型 | 第53页 |
| 3.3.2 分簇算法过程 | 第53-54页 |
| 3.4 改进的蚁群算法在簇首与基站间通信的路由算法上的应用 | 第54-55页 |
| 3.4.1 系统模型 | 第54-55页 |
| 3.4.2 系统路由算法过程 | 第55页 |
| 3.5 仿真实验 | 第55-61页 |
| 3.5.1 仿真参数 | 第55-56页 |
| 3.5.2 仿真图 | 第56-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第四章 改进的蚁群算法在轮转簇首环境中的应用 | 第62-74页 |
| 4.1 按协议的分簇方法介绍 | 第62-66页 |
| 4.1.1 PEGASIS协议 | 第62-63页 |
| 4.1.2 HEED协议 | 第63-64页 |
| 4.1.3 LEACH协议 | 第64-66页 |
| 4.2 框架模型及算法过程 | 第66-68页 |
| 4.2.1 网络模型 | 第66页 |
| 4.2.2 利用改进的蚁群算法实现分簇的算法流程 | 第66-68页 |
| 4.3 基于整个网络能量消耗与节点剩余能量的适应函数 | 第68-70页 |
| 4.4 仿真实验 | 第70-72页 |
| 4.5 本章小结 | 第72-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 全文总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第82-83页 |
| 附录2 攻读硕士学位期间申请的专利 | 第83-84页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第84-85页 |
| 致谢 | 第85页 |
