目錄
前言
第1章 緒論 1
1.1 智能優(yōu)化算法簡介 1
1.2 優(yōu)化問題描述 2
1.3 智能優(yōu)化算法的分類和特點 5
1.4 智能優(yōu)化算法的發(fā)展方向 9
1.5 智能優(yōu)化算法在信息通信技術(shù)中的應(yīng)用 13
第2章 基于量子智能計算的天線陣稀疏和綜合方法研究 28
2.1 離散量子螢火蟲算法 28
2.2 量子螢火蟲算法在天線陣稀疏中的應(yīng)用 33
2.3 連續(xù)量子教與學(xué)算法 36
2.4 基于量子教與學(xué)算法的天線陣方向圖綜合 41
2.5 小結(jié) 44
第3章 文化煙花算法在數(shù)字濾波器設(shè)計中的應(yīng)用 47
3.1 文化煙花算法 48
3.2 基于文化煙花算法的數(shù)字濾波器設(shè)計 56
3.3 數(shù)字濾波器實驗仿真 61
3.4 小結(jié) 64
第4章 量子智能計算在多用戶檢測中的應(yīng)用 66
4.1 典型多用戶檢測方法 67
4.2 高斯噪聲環(huán)境下的免疫量子算法多用戶檢測器 73
4.3 量子蜂群優(yōu)化算法 79
4.4 沖擊噪聲環(huán)境下的量子蜂群多用戶檢測器 81
4.5 小結(jié) 85
第5章 文化雜草算法在小波數(shù)字水印中的應(yīng)用 87
5.1 文化雜草算法 88
5.2 小波數(shù)字水印的嵌入與提取 90
5.3 基于文化雜草算法的小波數(shù)字水印 92
5.4 實驗仿真與分析 92
5.5 小結(jié) 94
第6章 基于量子雁群算法的PCNN圖像分割方法 96
6.1 量子雁群算法 96
6.2 基于PCNN的圖像分割模型 98
6.3 基于量子雁群算法的PCNN圖像分割方法 99
6.4 實驗仿真與分析 101
6.5 小結(jié) 103
第7章 量子智能優(yōu)化算法在中繼選擇中的應(yīng)用 105
7.1 中繼網(wǎng)絡(luò)的中繼選擇系統(tǒng)模型 106
7.2 基于量子花授粉的單目標(biāo)中繼選擇方法 109
7.3 基于量子差分進(jìn)化算法的中繼選擇方法 111
7.4 計算機(jī)仿真 116
7.5 小結(jié) 125
第8章 基于群智能的特殊陣列測向 128
8.1 文化鴿群算法 128
8.2 基于文化鴿群算法的特殊陣列測向 130
8.3 量子貓群算法 136
8.4 基于量子貓群算法的特殊陣列動態(tài)測向 138
8.5 小結(jié) 143
第9章 基于量子群智能的MIMO雷達(dá)測向 145
9.1 雙基地MIMO雷達(dá)的信號模型 146
9.2 量子灰狼算法 147
9.3 基于量子灰狼算法的加權(quán)信號子空間擬合測向方法 148
9.4 多峰量子布谷鳥搜索算法 154
9.5 基于量子布谷鳥搜索算法的傳播算子測向方法 159
9.6 小結(jié) 163
第10章 量子智能計算在頻譜分配中的應(yīng)用 166
10.1 量子蛙跳算法 167
10.2 基于量子蛙跳算法的頻譜分配 169
10.3 量子和聲算法 175
10.4 基于量子和聲的認(rèn)知異構(gòu)網(wǎng)絡(luò)的頻譜分配 177
10.5 小結(jié) 183
第11章 文化細(xì)菌覓食算法在頻譜感知中的應(yīng)用 186
11.1 文化細(xì)菌覓食算法 186
11.2 頻譜感知模型 188
11.3 基于文化細(xì)菌覓食算法的頻譜感知 190
11.4 實驗仿真 192
11.5 小結(jié) 196
第12章 量子群智能在綠色認(rèn)知無線電參數(shù)優(yōu)化中的應(yīng)用 198
12.1 基于膜量子蜂群算法的認(rèn)知無線電決策引擎 199
12.2 混沌量子粒子群算法 208
12.3 基于混沌量子粒子群算法的綠色認(rèn)知系統(tǒng)參數(shù)優(yōu)化 210
12.4 小結(jié) 214