认知计算与多目标优化PDF电子书下载

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