基本信息

書名：量子群智能及其在通信技術中的應用

定價：48.00元

作者：高洪元

齣版社：電子工業齣版社

齣版日期：2016-06-01

ISBN：9787121288142

字數：

頁碼：

版次：1

裝幀：平裝

開本：16開

商品重量：0.4kg

編輯推薦

內容提要

本書共分9章，主要內容包括量子粒子群、量子蛙跳算法、量子蜂群、量子細菌覓食、量子神經網絡、量子文化算法、量子文化群智能、量子膜群算法、多目標量子膜群算法、多用戶檢測、頻譜分配、決策引擎、頻譜感知、衝擊噪聲測嚮、非圓信號測嚮等通信技術中的熱點和難點問題。 本書可使讀者在瞭解和學習量子群智能和通信技術*科研成果的同時，在量子群智能和通信技術兩個方嚮得到啓發，也可作為相關學科的教材和科研用書。

目錄

目 錄

章 緒論1
1.1 量子群智能計算簡介1
1.2 單目標和多目標優化問題3
1.2.1 單目標優化問題的數學模型5
1.2.2 單目標約束優化問題的求解方法5
1.2.3 多目標優化問題的數學模型7
1.2.4 多目標優化方法簡介9
1.3 智能計算在通信技術中的應用11
1.3.1 簡介11
1.3.2 展望15
1.4 本書內容和結構安排17
參考文獻19
第2章 用於離散優化問題的量子群智能計算29
2.1 量子粒子群算法30
2.1.1 雙鏈編碼的量子粒子群算法30
2.1.2 單鏈編碼的量子粒子群算法32
2.1.3 性能測試34
2.2 量子蜂群算法37
2.2.1 雙鏈編碼的量子蜂群算法37
2.2.2 單鏈編碼的量子蜂群算法40
2.2.3 性能測試42
2.3 量子細菌覓食算法43
2.3.1 雙鏈編碼的量子細菌覓食算法44
2.3.2 量子細菌覓食算法的收斂性分析47
2.3.3 性能測試49
2.4 小結50
參考文獻50
第3章 用於連續優化問題的量子群智能計算52
3.1 量子蛙跳算法53
3.1.1 混閤蛙跳算法53
3.1.2 量子蛙跳算法55
3.1.3 性能測試58
3.2 量子文化蛙跳算法60
3.2.1 量子規範知識60
3.2.2 量子文化蛙跳算法的實現61
3.2.3 性能測試64
3.3 量子細菌覓食算法65
3.3.1 細菌覓食算法66
3.3.2 量子細菌覓食優化算法69
3.3.3 性能測試71
3.4 小結73
參考文獻74
第4章 基於量子智能算法的多用戶檢測76
4.1 多用戶檢測的數學模型78
4.1.1 噪聲模型78
4.1.2 高斯噪聲下的多用戶檢測數學模型79
4.2 高斯噪聲環境的典型多用戶檢測方法83
4.2.1 傳統檢測器83
4.2.2 優多用戶檢測器84
4.2.3 Hopfield神經網絡多用戶檢測器86
4.3 基於免疫剋隆量子算法的多用戶檢測87
4.3.1 神經網絡製備疫苗的方法框架88
4.3.2 基於免疫剋隆量子算法的多用戶檢測器89
4.3.3 試驗仿真93
4.4 量子HOPFIELD神經網絡的多用戶檢測設計95
4.4.1 量子Hopfield神經網絡96
4.4.2 基於量子神經網絡的多用戶檢測98
4.4.3 基於量子神經網絡的多用戶檢測器仿真99
4.5 量子蜂群算法的魯棒多用戶檢測100
4.5.1 魯棒多用戶檢測器101
4.5.2 新量子蜂群算法102
4.5.3 基於量子蜂群算法的魯棒多用戶檢測104
4.5.4 試驗仿真105
4.6 小結107
參考文獻107
第5章 基於量子群智能的認知無綫電決策引擎112
5.1 認知無綫電決策引擎模型和三種典型的決策引擎114
5.1.1 智能計算的認知決策引擎114
5.1.2 基於智能計算的認知決策引擎方法117
5.2 單目標膜量子蜂群算法及其在決策引擎上的應用123
5.2.1 膜結構簡介123
5.2.2 膜量子蜂群優化算法124
5.2.3 膜量子蜂群優化算法的性能測試128
5.2.4 基於膜量子蜂群算法的認知無綫電決策引擎130
5.2.5 決策引擎試驗仿真131
5.3 基於量子細菌覓食算法的綠色認知無綫電參數調整134
5.3.1 綠色認知無綫電參數調整模型135
5.3.2 量子細菌覓食算法的綠色認知無綫電參數調整137
5.3.3 試驗仿真138
5.4 小結141
參考文獻142
第6章 基於量子群智能的頻譜分配146
6.1 頻譜分配模型147
6.1.1 圖論著色模型147
6.1.2 單目標頻譜分配149
6.1.3 多目標頻譜分配150
6.2 基於量子粒子群算法的單目標頻譜分配151
6.2.1 基於單鏈量子粒子群算法的認知無綫電頻譜分配151
6.2.2 仿真結果分析152
6.3 基於多目標膜量子蜂群的多目標頻譜分配155
6.3.1 膜量子蜂群的基本演進規則156
6.3.2 膜量子蜂群的膜框架158
6.3.3 基於多目標膜量子蜂群算法的多目標頻譜分配技術161
6.3.4 頻譜分配實驗仿真163
6.4 小結167
參考文獻168
第7章 量子群智能的頻譜感知技術171
7.1 綫性協作頻譜感知模型172
7.2 閤作式頻譜感知的基本算法174
7.2.1 基於修正偏差因子的頻譜感知方法174
7.2.2 基於粒子群算法的頻譜感知175
7.2.3 計算機仿真177
7.3 基於連續量子細菌覓食算法的頻譜感知技術178
7.3.1 量子細菌覓食算法的頻譜感知178
7.3.2 計算機仿真181
7.4 小結184
參考文獻184
第8章 基於量子智能計算的DOA估計187
8.1 經典DOA估計模型和算法188
8.1.1 DOA估計模型188
8.1.2 經典測嚮算法189
8.1.3 基於量子蛙跳算法的測嚮方法190
8.1.4 試驗仿真191
8.2 基於高階纍積量和文化量子算法的測嚮方法192
8.2.1 基於高階纍積量的廣義加權子空間擬閤算法193
8.2.2 文化量子算法196
8.2.3 基於文化量子算法的廣義高階加權信號子空間擬閤測嚮199
8.2.4 試驗仿真200
8.3 基於量子文化蛙跳算法的非圓信號DOA估計203
8.3.1 非圓極大似然算法203
8.3.2 基於量子文化蛙跳算法的極大似然測嚮204
8.3.3 試驗仿真206
8.4 小結207
參考文獻208
第9章 衝擊噪聲環境下的量子智能計算DOA估計211
9.1 衝擊噪聲環境下的測嚮模型212
9.1.1 三種低階矩212
9.1.2 三種低階矩的對比213
9.2 基於量子文化細菌覓食算法的無窮範數大似然測嚮方法215
9.2.1 量子文化細菌覓食算法215
9.2.2 量子文化細菌覓食算法的無窮範數極大似然測嚮218
9.2.3 試驗仿真221
9.3 基於量子粒子群的動態測嚮方法225
9.3.1 衝擊噪聲下的動態測嚮模型225
9.3.2 連續量子粒子群優化算法226
9.3.3 量子粒子群優化算法的動態測嚮方法228
9.3.4 試驗仿真229
9.4 小結231
參考文獻232

作者介紹

高洪元，博士後,工學博士，碩士生導師，副教授；IEEE會員，中國計算機學會會員； IWSIS2012、IWSIS2013國際會議分會主席；是《Journal of Communications and Networks》、《International Journal of Electronics and Communications》、《Information Sciences》、 《Circuits, Systems & Signal Processing》、《Computer Methods and Programs in Biomedicine》和《Computational Intelligence》等SCI國際期刊審稿人。

文摘

序言