认知计算与多目标优化

前言第1章 认知科学及其特点1.1 认知科学1.1.1 认知科学的定义1.1.2 认知科学的历史起源1.1.3 认知科学的研究领域1.1.4 认知科学的研究方法1.1.5 认知科学的未来方向1.2 认知雷达1.2.1 认知雷达的基础概念1.2.2 认知雷达的基本框架1.2.3 认知雷达的工作原理1.2.4 认知雷达的关键技术1.3 认知无线网络及其无线资源管理概述. 1.3.1 认知无线网络概述1.3.2 认知无线网络的智能性1.3.3 认知无线网络的应用领域1.3.4 认知无线网络的研究进展1.3.5 认知无线网络的主要研究内容1.3.6 认知无线网络中的无线资源管理问题1.3.7 频谱分配的研究进展1.3.8 频谱决策的研究进展1.3.9 认知OFDM资源分配的研究进展参考文献第2章 多目标优化问题2.1 多目标优化问题介绍2.2 多目标进化算法简介2.2.1 基于Pareto的多目标进化算法2.2.2 基于指标的多目标进化算法2.2.3 基于分解的多目标进化算法2.3 多目标优化测试问题与度量指标研究2.3.1 多目标优化测试问题2.3.2 多目标优化算法度量指标2.4 研究难点及现状2.4.1 决策空间复杂的多目标优化问题2.4.2 目标空间复杂的多目标优化问题参考文献第3章 基于等度规映射的逯浠朴糜谇蠼舛嗄勘暧呕侍 3.1 引言3.2 逯涞亩ㄒ逵敕治 3.2.1 逯溆隤areto支配的关系3.2.2 传统逯涞娜钡惴治 3.3 基于等度规映射的歧配3.3.1 等度规映射3.3.2 改进逯浠频牡榷裙嬗成浞椒¨3.3.3 基于等度规映射的逯涞氖奔涓丛佣确治 3.4 基于等度规映射逯涞氖笛榉治 3.4.1 实验测试函数3.4.2 实验参数设置与评价指标选择3.4.3 对九个不同Pareto前沿问题的实验测试结果与分析3.4.4 本征维数的估计3.5 本章小结参考文献第4章 基于在线非支配抗体的自适应多目标优化4.1 引言4.2 非支配等级划分方法和拥挤距离计算4.2.1 非支配等级划分方法4.2.2 拥挤距离计算4.3 基于在线非支配抗体的自适应多目标优化算法4.3.1 进化计算中的自适应机制总结4.3.2 在线非支配抗体数量调查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4.4 仿真对比实验研究4.4.1 测试函数选择与实验设置4.4.2 对十个低维目标优化问题的实验结果对比与分析4.4.3 引入参数KPO和KPT的敏感性分析4.4.4 AHMA中三个阶段平均被调用次数4.4.5 AHMA在求解高维目标优化问题的性能分析4.4.6 AHMA的运行时间分析4.5 本章小结参考文献第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5.1 引言5.2 传统免疫多目标优化算法的性能分析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5.3.1 基于动态近邻表的抗体删除机制5.3.2 自适应等级克隆机制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5.4 NNIA2的实验对比与分析5.4.1 对比算法选择5.4.2 优化问题选择和实验参数设置5.4.3 NNIA2在求解低维目标测试函数的性能分析5.4.4 NNIA2在求解高维目标测试函数的性能分析5.4.5 NNIA2与NNIA的鲁棒性分析5.4.6 NNIA2运算时间分析5.5 本章小结参考文献第6章 基于角解优先的高维多目标非支配排序方法6.1 引言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6.2.1 角解6.2.2 相关非支配排序方法6.3 基于角解优先的非支配排序方法6.3.1 基本框架6.3.2 排序方法6.3.3 高维多目标优化问题的优势6.4 算法有效性验证与结果分析6.4.1 云数据6.4.2 固定前端数据6.4.3 混合数据6.4.4 实际数据6.4.5 讨论与分析6.5 本章小结参考文献第7章 双档案高维多目标进化算法7.1 引言7.2 双档案算法简介7.2.1 基本框架7.2.2 优点与缺点7.3 基于双档案的高维多目标进化算法7.3.1 基本框架7.3.2 收敛性档案选择方法7.3.3 多样性档案选择方法7.4 算法有效性验证与结果分析7.4.1 算法分析7.4.2 对比实验7.5 本章小结参考文献第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8.1 引言8.2 基于非局部均值的SAR图像去噪技术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8.3.1 基于动态拥挤距离的抗体删除策略8.3.2 自适应等级均匀克隆机制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8.3.4 本章提出的SAR图像自动分割算法8.4 实验及结果分析8.4.1 五个对比算法分析与关键参数设置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8.4.3 进化代数对于MASF性能的影响8.4.4 非局部均值滤波与特征提取方案对*终分割结果的比较8.4.5 MASF运行时间对比分析8.5 本章小结参考文献第9章 基于自然计算优化的非凸重构方法9.1 引言9.2 基于自然计算优化的两阶段压缩感知重构模型9.3 基于过完备字典和结构稀疏的重构策略9.3.1 块压缩感知重构9.3.2 结构稀疏约束的重构模型9.4 基于自然计算优化的两阶段非凸重构方法9.4.1 基于遗传进化的**阶段重构9.4.2 基于克隆选择的第二阶段重构9.5 仿真实验及结果分析参考文献第10章 基于免疫克隆优化的认知无线网络频谱分配10.1 引言10.2 认知无线网络的频谱感知和分配模型10.2.1 物理层频谱感知过程10.2.2 物理连接模型及建模过程10.2.3 认知无线网络频谱分配的图着色模型10.2.4 认知无线网络的频谱分配矩阵10.3 基于免疫克隆优化的频谱分配具体实现10.3.1 算法具体实现10.3.2 算法特点和优势分析10.3.3 算法收敛性证明10.4 仿真实验与结果分析10.4.1 实验数据的生成10.4.2 算法参数设置10.4.3 实验结果及对比分析10.4.4 基于WRAN的系统级仿真10.5 本章小结参考文献第11章 基于混沌量子克隆的按需频谱分配算法11.1 引言11.2 考虑认知用户需求的按需频谱分配模型11.2.1 基于图着色理论的频谱分配建模11.2.2 考虑认知用户需求的频谱分配模型11.3 基于混沌量子克隆算法的按需频谱分配具体实现11.3.1 算法具体实现过程11.3.2 算法特点和优势分析11.3.3 算法收敛性分析11.4 仿真实验与结果分析11.4.1 实验数据的生成11.4.2 相关算法参数的设置11.4.3 实验结果及对比分析11.5 本章小结参考文献第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12.1 引言12.2 基于认知引擎的频谱决策分析与建模12.3 算法关键技术与具体实现12.3.1 关键技术12.3.2 算法具体步骤12.3.3 算法特点和优势分析12.3.4 算法收敛性分析12.4 仿真实验及结果分析12.4.1 仿真实验环境及参数设置12.4.2 仿真实验结果及分析12.5 本章小结参考文献第13章 基于免疫优化的认知OFDM系统资源分配13.1 引言13.2 基于免疫优化的子载波资源分配13.2.1 认知OFDM子载波资源分配描述13.2.2 认知OFDM子载波资源分配模型13.2.3 算法实现的关键技术13.2.4 基于免疫优化的算法实现过程13.2.5 算法特点和优势分析13.2.6 仿真实验结果13.2.7 小结13.3 基于免疫优化的功率资源分配13.3.1 功率资源分配问题描述13.3.2 功率资源分配问题的模型13.3.3 算法实现的关键技术13.3.4 基于免疫克隆优化的算法实现过程13.3.5 算法特点分析13.3.6 实验结果与分析13.3.7 小结13.4 联合子载波和功率的比例公平资源分配13.4.1 问题描述13.4.2 比例公平资源分配模型13.4.3 基于免疫优化的资源分配实现过程13.4.4 仿真实验结果与分析13.4.5 小结13.5 本章小结参考文献