认知计算与多目标优化PDF|Epub|txt|kindle电子书版本网盘下载

认知计算与多目标优化PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 认知科学及其特点1

1.1认知科学1

1.1.1认知科学的定义1

1.1.2认知科学的历史起源1

1.1.3认知科学的研究领域2

1.1.4认知科学的研究方法4

1.1.5认知科学的未来方向5

1.2认知雷达6

1.2.1认知雷达的基础概念6

1.2.2认知雷达的基本框架7

1.2.3认知雷达的工作原理10

1.2.4认知雷达的关键技术12

1.3认知无线网络及其无线资源管理概述14

1.3.1认知无线网络概述14

1.3.2认知无线网络的智能性14

1.3.3认知无线网络的应用领域16

1.3.4认知无线网络的研究进展17

1.3.5认知无线网络的主要研究内容18

1.3.6认知无线网络中的无线资源管理问题19

1.3.7频谱分配的研究进展21

1.3.8频谱决策的研究进展24

1.3.9认知OFDM资源分配的研究进展25

参考文献27

第2章 多目标优化问题32

2.1多目标优化问题介绍32

2.2多目标进化算法简介32

2.2.1基于Pareto的多目标进化算法33

2.2.2基于指标的多目标进化算法34

2.2.3基于分解的多目标进化算法34

2.3多目标优化测试问题与度量指标研究35

2.3.1多目标优化测试问题35

2.3.2多目标优化算法度量指标36

2.4研究难点及现状38

2.4.1决策空间复杂的多目标优化问题38

2.4.2目标空间复杂的多目标优化问题39

参考文献40

第3章 基于等度规映射的ε支配机制用于求解多目标优化问题47

3.1引言47

3.2ε支配的定义与分析47

3.2.1ε支配与Pareto支配的关系47

3.2.2传统ε支配的缺点分析48

3.3基于等度规映射的ε支配49

3.3.1等度规映射50

3.3.2改进ε支配机制的等度规映射方法51

3.3.3基于等度规映射的ε支配的时间复杂度分析52

3.4基于等度规映射ε支配的实验分析53

3.4.1实验测试函数53

3.4.2实验参数设置与评价指标选择54

3.4.3对九个不同Pareto前沿问题的实验测试结果与分析55

3.4.4本征维数的估计59

3.5本章小结60

参考文献60

第4章 基于在线非支配抗体的自适应多目标优化62

4.1引言62

4.2非支配等级划分方法和拥挤距离计算63

4.2.1非支配等级划分方法63

4.2.2拥挤距离计算65

4.3基于在线非支配抗体的自适应多目标优化算法66

4.3.1进化计算中的自适应机制总结66

4.3.2在线非支配抗体数量调查68

4.3.3基于在线非支配抗体的自适应多目标优化算法流程69

4.3.4在线非支配抗体自适应多目标优化算法的时间复杂度分析73

4.4仿真对比实验研究74

4.4.1测试函数选择与实验设置74

4.4.2对十个低维目标优化问题的实验结果对比与分析75

4.4.3引入参数KPO和KPT的敏感性分析79

4.4.4 AHMA中三个阶段平均被调用次数80

4.4.5 AHMA在求解高维目标优化问题的性能分析81

4.4.6 AHMA的运行时间分析84

4.5本章小结84

参考文献85

第5章 基于自适应等级克隆和动态m近邻表的克隆选择多目标优化87

5.1引言87

5.2传统免疫多目标优化算法的性能分析88

5.3基于自适应等级克隆和动态m近邻表的克隆选择多目标优化算法90

5.3.1基于动态近邻表的抗体删除机制90

5.3.2自适应等级克隆机制94

5.3.3基于自适应等级克隆机制和m近邻表的克隆选择多目标优化算法流程96

5.4 NNIA2的实验对比与分析97

5.4.1对比算法选择97

5.4.2优化问题选择和实验参数设置98

5.4.3 NNIA2在求解低维目标测试函数的性能分析100

5.4.4 NNIA2在求解高维目标测试函数的性能分析111

5.4.5 NNIA2与NNIA的鲁棒性分析113

5.4.6 NNIA2运算时间分析114

5.5本章小结115

参考文献115

第6章 基于角解优先的高维多目标非支配排序方法117

6.1引言117

6.2基于角解优先的高维多目标非支配排序方法相关背景117

6.2.1角解117

6.2.2相关非支配排序方法118

6.3基于角解优先的非支配排序方法119

6.3.1基本框架119

6.3.2排序方法119

6.3.3高维多目标优化问题的优势120

6.4算法有效性验证与结果分析121

6.4.1云数据121

6.4.2固定前端数据124

6.4.3混合数据127

6.4.4实际数据128

6.4.5讨论与分析130

6.5本章小结131

参考文献131

第7章 双档案高维多目标进化算法132

7.1引言132

7.2双档案算法简介133

7.2.1基本框架133

7.2.2优点与缺点134

7.3基于双档案的高维多目标进化算法134

7.3.1基本框架134

7.3.2收敛性档案选择方法134

7.3.3多样性档案选择方法135

7.4算法有效性验证与结果分析136

7.4.1算法分析136

7.4.2对比实验139

7.5本章小结151

参考文献152

第8章 融合非局部均值去噪的高效免疫多目标SAR图像自动分割154

8.1引言154

8.2基于非局部均值的SAR图像去噪技术155

8.3融合非局部均值去噪的高效免疫多目标SAR图像自动分割算法157

8.3.1基于动态拥挤距离的抗体删除策略157

8.3.2自适应等级均匀克隆机制158

8.3.3基因座近邻表示的抗体编码机制与分割目标函数选择158

8.3.4本章提出的SAR图像自动分割算法160

8.4实验及结果分析162

8.4.1五个对比算法分析与关键参数设置162

8.4.2针对两幅合成SAR图像和TerraSAR卫星图像的实验结果分析163

8.4.3进化代数对于MASF性能的影响167

8.4.4非局部均值滤波与特征提取方案对最终分割结果的比较168

8.4.5 MASF运行时间对比分析169

8.5本章小结170

参考文献170

第9章 基于自然计算优化的非凸重构方法172

9.1引言172

9.2基于自然计算优化的两阶段压缩感知重构模型174

9.3基于过完备字典和结构稀疏的重构策略175

9.3.1块压缩感知重构175

9.3.2结构稀疏约束的重构模型176

9.4基于自然计算优化的两阶段非凸重构方法177

9.4.1基于遗传进化的第一阶段重构177

9.4.2基于克隆选择的第二阶段重构182

9.5仿真实验及结果分析185

参考文献194

第10章 基于免疫克隆优化的认知无线网络频谱分配196

10.1引言196

10.2认知无线网络的频谱感知和分配模型197

10.2.1物理层频谱感知过程197

10.2.2物理连接模型及建模过程197

10.2.3认知无线网络频谱分配的图着色模型199

10.2.4认知无线网络的频谱分配矩阵199

10.3基于免疫克隆优化的频谱分配具体实现201

10.3.1算法具体实现201

10.3.2算法特点和优势分析203

10.3.3算法收敛性证明203

10.4仿真实验与结果分析205

10.4.1实验数据的生成205

10.4.2算法参数设置205

10.4.3实验结果及对比分析205

10.4.4基于WRAN的系统级仿真209

10.5本章小结210

参考文献211

第11章 基于混沌量子克隆的按需频谱分配算法213

11.1引言213

11.2考虑认知用户需求的按需频谱分配模型213

11.2.1基于图着色理论的频谱分配建模213

11.2.2考虑认知用户需求的频谱分配模型214

11.3基于混沌量子克隆算法的按需频谱分配具体实现216

11.3.1算法具体实现过程216

11.3.2算法特点和优势分析219

11.3.3算法收敛性分析219

11.4仿真实验与结果分析221

11.4.1实验数据的生成221

11.4.2相关算法参数的设置222

11.4.3实验结果及对比分析222

11.5本章小结226

参考文献226

第12章 量子免疫克隆算法求解基于认知引擎的频谱决策问题228

12.1引言228

12.2基于认知引擎的频谱决策分析与建模228

12.3算法关键技术与具体实现229

12.3.1关键技术229

12.3.2算法具体步骤230

12.3.3算法特点和优势分析232

12.3.4算法收敛性分析232

12.4仿真实验及结果分析233

12.4.1仿真实验环境及参数设置233

12.4.2仿真实验结果及分析234

12.5本章小结238

参考文献239

第13章 基于免疫优化的认知OFDM系统资源分配240

13.1引言240

13.2基于免疫优化的子载波资源分配240

13.2.1认知OFDM子载波资源分配描述240

13.2.2认知OFDM子载波资源分配模型241

13.2.3算法实现的关键技术242

13.2.4基于免疫优化的算法实现过程243

13.2.5算法特点和优势分析245

13.2.6仿真实验结果245

13.2.7小结248

13.3基于免疫优化的功率资源分配248

13.3.1功率资源分配问题描述248

13.3.2功率资源分配问题的模型249

13.3.3算法实现的关键技术250

13.3.4基于免疫克隆优化的算法实现过程251

13.3.5算法特点分析253

13.3.6 实验结果与分析253

13.3.7小结256

13.4联合子载波和功率的比例公平资源分配256

13.4.1问题描述256

13.4.2比例公平资源分配模型257

13.4.3基于免疫优化的资源分配实现过程258

13.4.4仿真实验结果与分析264

13.4.5小结268

13.5本章小结268

参考文献268