导读:本文包含了图着色理论论文开题报告文献综述及选题提纲参考文献，主要关键词:图着色理论,阵列校正,平面相控阵,幅度相位误差
图着色理论论文文献综述
高卫斌,党锐锐,杨李杰[1]（2019）在《基于图着色理论的阵列天线校正方法》一文中研究指出由于受环境变化影响,大规模平面相控阵天线收发通道的幅相一致性会发生偏移,常常需要标校才能保证其正常工作,但目前阵列天线收发通道数量较多,校正过程复杂,而且费时费力。基于图着色理论提出一种阵列天线快速校正方法,将校正时隙分配转化为图论中的着色问题,通过最小化时隙着色提高每个校正时隙的复用率,以降低阵列通道校准次数,达到缩短全阵列校正时间目的。仿真表明,对正六边形、正方形和正叁角形平面阵列,分别最多仅需要8个、9个和16个时隙就可完成全阵列校正。(本文来源于《遥测遥控》期刊2019年03期）
朱国晖,杨晶晶,郭嘉,苏珂嫄,刘涛[2]（2018）在《基于图着色理论的全双工D2D分簇资源分配方案》一文中研究指出全双工通信允许用户同时同频收发信号,将其应用在D2D(device-to-device)通信中虽然可以提高系统吞吐量,但是也带来了更加复杂的干扰关系。为了降低干扰,提升系统吞吐量,提出了以簇为单位的资源分配方案。方案首先引入图着色理论为全双工D2D用户进行合理的分簇,采用匈牙利算法进行链路资源的分配,从而优化蜂窝系统的性能。仿真结果表明,方案在提高频谱利用率的同时提升了整个蜂窝网络的系统容量。(本文来源于《计算机应用研究》期刊2018年11期）
段瑞杰,姚富强,李永贵,牛英滔,齐扬阳[3]（2016）在《基于图着色理论的短波无线接入网动态频谱分配方法》一文中研究指出针对现有短波无线接入网频谱分配采用固定式分配方法,难以满足使用智能跳频技术新要求的问题,分析智能跳频短波无线接入网的频谱需求,将短波无线接入网用户频谱分配问题转化为基于图着色理论的短波无线接入网动态频谱分配模型,并提出可用于智能跳频短波无线接入网的动态频谱分配算法。将使用此算法的智能跳频与使用固定式频谱分配方法的定频通信相比,仿真结果表明,该算法明显提高了短波无线接入网的子网可通性及网络吞吐量,并能降低互扰率,有效支撑智能跳频技术在短波无线接入网中的应用,同时快速、高效、准确地完成对可用频谱的分配。(本文来源于《计算机工程》期刊2016年04期）
何朵奇,王斌,季文君,王文鼐[4]（2015）在《LTE网络下基于图着色理论的D2D分簇资源分配方案》一文中研究指出D2D(Device-to-Device)通信是一种受LTE蜂窝网络的控制但无需基站的中继即可实现移动终端间直接通信的新型通信技术。文中采用了D2D簇的概念,即同一个簇中的多个D2D用户对可共享相同资源。簇的引入可进一步提高频谱利用率,但也带来了更为复杂的干扰问题。为了解决该问题,提出了一种新的资源分配方案——基于图着色理论的D2D分簇资源分配方案。该方案分为两个阶段:首先只考虑D2D用户对之间的干扰情况,利用图着色理论为D2D用户对分簇;然后兼顾蜂窝用户和D2D的Qo S,为每个D2D簇分配资源。仿真分析可以看出,文中提出的方案将有效提高D2D的被服务率,并提升整个蜂窝网络的系统容量。(本文来源于《南京邮电大学学报(自然科学版)》期刊2015年06期）
殷君茹,唐小明,李惺颖,卜祥亮[5]（2015）在《并行环境下基于图着色理论的空间数据部署》一文中研究指出在面向计算部署到数据节点端执行的分布式并行环境下,提出一种基于图着色理论的适用于矢量空间数据的部署方法,将空间数据粒度的部署问题转化为图顶点着色的过程,提高了任意空间区域的信息查询效率.给出基于图着色理论的数据部署方法,并通过节点的任务量进一步改进算法,使得该算法可实现海量空间数据粒度的离散化部署,提高了空间数据检索和查询的并行化程度,充分利用了并行计算资源.(本文来源于《吉林大学学报(理学版)》期刊2015年03期）
刘晓钰[6]（2015）在《基于图着色理论的认知无线电网络频谱分配算法研究》一文中研究指出在目前应用较广泛的无线电网络中,多数采取了固定的频谱分配方式。在这种分配方式下,可用频谱被分为授权频谱和非授权频谱。根据美国联邦通信委员会(Federal Communications Commission,FCC)的研究结果显示,随着时间和空间的变化,固定分配模式下授权频谱资源的利用率仅为15%~85%,因此对频谱的高效分配已经成为重要的研究课题。本文分别针对效益值和时间开销建立了认知无线电频谱分配模型,根据效益、距离、频段等参数选择性地接入认知用户,尽可能使更多认知用户接入到授权频谱中,提高频谱的利用率。本文的主要研究工作如下:(1)介绍了认知无线电、认知网络以及认知无线电网络的概念。详细描述了认知无线电的认知原理和认知过程、认知无线电频谱分配的原理和多种分配技术,以及这些技术之间的异同,重点介绍了认知无线电频谱分配的主要叁种类型:图着色理论、博弈论理论和拍卖理论。(2)建立了基于图着色理论的最小时间开销频谱分配算法。现有对认知无线电频谱分配的研究中,都是假设在已经满足频段和安全距离的前提下进行的,不需要对认知用户进行距离的判断和频段的筛选。而本文在算法中加入了频段和安全距离的判断,进一步完善了认知无线电频谱分配的过程。通过给每一认知用户授予编号,且编号固定,在更新认知用户的可用矩阵时,根据编号选取可用认知用户即可,而不必对不需要的用户进行删除,节约了算法的时间开销。(3)建立了基于图着色理论的改进最大效益频谱分配算法。对比算法MUAA中采用了先分配信道再分配用户的方法。而本文在频谱分配的过程中同时分配用户和信道这两个参数。在无干扰频谱分配矩阵中搜索效益最大的认知用户优先进行频谱分配,然后对该信道中可能对该认知用户产生干扰的用户进行处理,使得信道能自然避开这些与已接入的认知用户产生干扰的其他认知用户,然后搜索次大效益的认知用户,将其所在信道分配给次大效益的认知用户。该算法保证了每次分配都可以使系统效益最大化。通过仿真分析验证,基于图着色理论的最小时间开销频谱分配算法大幅度降低了频谱分配的时间开销,提高了认知用户的接入率;而基于图着色理论的改进最大效益频谱分配算法随着用户数目和频谱数目的增加,系统效益总值的优势会越来越明显。(本文来源于《辽宁师范大学》期刊2015-05-01）
冯珊珊[7]（2013）在《基于图着色理论的聚类研究》一文中研究指出现实世界中存在着诸多复杂的网络结构,为了揭示隐藏在复杂结构中有价值的信息,网络结构图的思想引起了研究人员的注意。图是网络结构建模的方法,现实生活中很多实体都可以抽象为图的节点,而实体间的关系抽象为边,这样,对复杂网络结构的分析就转化为对图结构的分析。图聚类作为图数据挖掘的一种重要的分析技术,目的是在复杂的图中寻找出关联紧密的子图,使得子图内的节点之间相似性较大,而子图与子图之间的节点具有较弱的相似性。目前图聚类的算法研究有很多,如Kernighan-Lin算法、基于Laplace矩阵的传统谱平分法、GN算法(Girvan和Newman提出的基于边阶数的聚类算法)及Newman算法等,但是这些算法都存在一些缺陷,Kernighan-Lin算法和基于Laplace矩阵的传统谱平分法只有在图能很明显地分成两个子图的情况下才有效；GN算法是它在反复去边的过程中,一直到没有剩余的边才停止,这样下来,没有直接给出聚类的最终结果,还需再做进一步的分析和判断才能得到最终的聚类结果。总之,现有的图聚类算法存在以下问题：(1)当数据量很大时,图的规模会非常大,在相似性度量方面,计算量会很大,导致运行时间会非常长；(2)图结构本身的复杂性影响聚类效果。基于以上问题,本文将图着色理论应用到图聚类中。图着色问题是一个被广泛研究的组合优化问题,它在对行政区域的划分、资源分配、离散规划、网络的自动检测等方面有着广泛的应用。解决图着色问题有很多种方法,如盲目搜索、启发式算法以及贪心算法等。本文采用的是贪心算法,这是因为在处理海量数据时,贪心算法相比其它算法,运行时间几乎以毫秒为单位,这样,算法的时间复杂度就在某种程度上就大大降低了。本文首次将图着色理论应用到图聚类中,首先采用贪心算法的图着色理论进行初步聚类,得到初步聚类结果；然后通过对贪心算法的图着色理论进行改进,目的是对初步着色结果进行重新调整,使结果更加符合聚类要求,从而达到更好的聚类效果。论文的主要工作包括以下几个方面：(1)通过系统介绍现阶段图聚类技术的研究现状,总结了图聚类技术的特点、现实意义以及目前研究面临的问题。(2)分析了图着色理论应用的领域,总结了图着色问题的叁种定义,分别为图的顶点着色、图的边着色和图的全着色,其中后两种都可以转化为图的顶点着色来分析。本文主要对图的顶点着色进行重点描述。(3)采用贪心算法的图着色理论,聚类后的结果并不是唯一的。因此,本文引入评价聚类结果好坏的指标DunnG,然后将DunnG进行扩展,又提出一种新的评价指标Distinctness,与DunnG结合起来衡量聚类效果的好坏。(4)算法选取UCI数据集中不同类型的六种数据进行实验验证,实验结果与经典算法k-means方法以及改进前的算法进行比较,证明本文改进后的算法可以达到较高的聚类质量。(本文来源于《太原理工大学》期刊2013-06-01）
冯珊珊,张月琴,郭旭敏[8]（2013）在《基于改进图着色理论的聚类算法》一文中研究指出为有效解决由于数据规模的不断扩大,图规模显得更加复杂,从而影响聚类效率这一难题,提出了一种新的图着色理论,该理论在图着色理论的基础上进行改进,基本过程为:在运用贪心算法得到的着色图的基础上,重新对已经着色好的顶点进行颜色调整,以期达到更好的聚类效果。利用衡量聚类质量的指标DunnG对聚类结果进行分析。实验结果表明,新算法可达到更高的聚类质量。(本文来源于《计算机工程与设计》期刊2013年05期）
孙永强[9]（2012）在《基于图着色理论的认知无线电频谱分配算法研究》一文中研究指出无线频谱属于不可再生资源，如何提高频谱资源利用率一直是无线通信技术发展需要解决的首要问题。传统的提高频谱利用率的方式是通过先进的通信理论与技术，但是根据香农的信道容量理论，传统的方式无法从根本上解决频谱稀缺的问题。随着无线通信技术的发展，频谱资源供应与需求之间的矛盾越来越激烈，这一问题逐渐成为无线通信技术发展的瓶颈，而认知无线电技术在便是这种情况下应运而生。认知无线电技术作为提高频谱资源利用率的有效手段，越来越受到人们的重视，目前全世界范围内广泛开展对认知无线电的研究，使得这一领域的研究发展速度得到了提高。认知无线电通过对授权频谱的“二次利用”，将频谱资源充分的利用起来，提高了频谱利用率，缓解了频谱资源紧缺问题，这被认为是未来最热门的无线通信技术。动态频谱分配技术是认知无线电的关键技术之一，一个好的动态频谱算法可以有效的提高频谱资源的使用效率、频谱使用的灵活性以及系统的吞吐量，动态频谱算法因此成为认知无线电研究的热点。本文的主要研究基于图着色理论的认知无线电动态频谱分配算法。首先介绍认知无线电的概念以及其发展现状，接下来分析了认知无线电的关键技术，详细介绍了频谱分配技术并给出了目前比较常用的四种频谱分配模型；然后介绍了比较经典的基于图论着色模型频谱分配算法：列表着色算法、颜色敏感图论着色算法、并行算法等。接下来考虑到当某一个周期的频谱分配完成之后，到下一轮的频谱分配之前的时间内，如果有单个节点位置发生变化，相应的参数也会发生变化，如果重新分配频谱势必会影响到其他认知用户，同时也会增加算法的时间开销。因此本文在颜色敏感的图论着色算法的基础上，提出了单节点位置变化的频谱分配算法，目的是为了解决单节点位置发生变化时频谱如何进行分配的问题。仿真表明，改进算法在性能方面与重新分配相近，但节约了大量的时间开销，避免了重新分配所带来的大量时间开销。最后考虑到不同认知用户使用频谱通信的目的不同，将参与频谱分配的认知用户分成普通用户和高级用户，提出了高级用户存在下的基于用户需求频谱分配改进算法，讨论了高级用户存在情况下的频谱分配的问题。算法执行的目的是频谱分配之后，必须保证高级用户基本需求，同时还要尽量满足普通用户的需求。仿真表明，改进算法即保证了高级用户的正常通信，又较好的满足了普通用户的需求，提高了频谱的利用率，使频谱分配更加合理化。(本文来源于《吉林大学》期刊2012-06-01）
何利,郑湘渝,刘振坤[10]（2011）在《基于图着色理论的最大效用频谱分配算法》一文中研究指出研究基于图着色理论的频谱分配算法,提出一种改进的最大效用频谱分配算法。该算法生成类似于ISAA算法的用户效用矩阵和相应的干扰矩阵,选择最大效用用户或干扰值为0的用户进行频谱分配。仿真结果表明,该算法能有效减少频谱分配的时间开销,提高频(本文来源于《计算机工程》期刊2011年19期）
图着色理论论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
全双工通信允许用户同时同频收发信号,将其应用在D2D(device-to-device)通信中虽然可以提高系统吞吐量,但是也带来了更加复杂的干扰关系。为了降低干扰,提升系统吞吐量,提出了以簇为单位的资源分配方案。方案首先引入图着色理论为全双工D2D用户进行合理的分簇,采用匈牙利算法进行链路资源的分配,从而优化蜂窝系统的性能。仿真结果表明,方案在提高频谱利用率的同时提升了整个蜂窝网络的系统容量。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图着色理论论文参考文献
[1].高卫斌,党锐锐,杨李杰.基于图着色理论的阵列天线校正方法[J].遥测遥控.2019
[2].朱国晖,杨晶晶,郭嘉,苏珂嫄,刘涛.基于图着色理论的全双工D2D分簇资源分配方案[J].计算机应用研究.2018
[3].段瑞杰,姚富强,李永贵,牛英滔,齐扬阳.基于图着色理论的短波无线接入网动态频谱分配方法[J].计算机工程.2016
[4].何朵奇,王斌,季文君,王文鼐.LTE网络下基于图着色理论的D2D分簇资源分配方案[J].南京邮电大学学报(自然科学版).2015
[5].殷君茹,唐小明,李惺颖,卜祥亮.并行环境下基于图着色理论的空间数据部署[J].吉林大学学报(理学版).2015
[6].刘晓钰.基于图着色理论的认知无线电网络频谱分配算法研究[D].辽宁师范大学.2015
[7].冯珊珊.基于图着色理论的聚类研究[D].太原理工大学.2013
[8].冯珊珊,张月琴,郭旭敏.基于改进图着色理论的聚类算法[J].计算机工程与设计.2013
[9].孙永强.基于图着色理论的认知无线电频谱分配算法研究[D].吉林大学.2012
[10].何利,郑湘渝,刘振坤.基于图着色理论的最大效用频谱分配算法[J].计算机工程.2011