第1章 緒論 1.1 引言 1.2 物聯(lián)網(wǎng)服務(wù)的發(fā)展 1.2.1 農(nóng)業(yè)物聯(lián)網(wǎng) 1.2.2 物聯(lián)網(wǎng)服務(wù)感知 1.2.3 物聯(lián)網(wǎng)服務(wù)調(diào)控 1.2.4 農(nóng)業(yè)物聯(lián)網(wǎng)服務(wù) 1.3 物聯(lián)網(wǎng)智慧化服務(wù)的一體化控制 1.3.1 物聯(lián)網(wǎng)服務(wù)動(dòng)態(tài)協(xié)同調(diào)控 1.3.2 智慧化服務(wù)模型的策略 1.4 小結(jié) 本章參考文獻(xiàn) 第2章 生物調(diào)控及多目標(biāo)優(yōu)化方法 2.1 引言 2.2 視覺方向敏感性機(jī)制 2.2.1 視覺細(xì)胞的分類 2.2.2 方向敏感性機(jī)制 2.3 神經(jīng)-內(nèi)分泌-免疫調(diào)控體系 2.3.1 神經(jīng)系統(tǒng)與內(nèi)分泌系統(tǒng)的聯(lián)系 2.3.2 內(nèi)分泌系統(tǒng)與免疫系統(tǒng)的聯(lián)系 2.3.3 神經(jīng)系統(tǒng)與免疫系統(tǒng)的聯(lián)系 2.3.4 神經(jīng)-內(nèi)分泌-免疫的整體調(diào)控 2.4 視覺方向敏感性機(jī)制對(duì)物聯(lián)網(wǎng)服務(wù)感知的啟發(fā) 2.5 神經(jīng)-內(nèi)分泌-免疫調(diào)控體系對(duì)物聯(lián)網(wǎng)服務(wù)優(yōu)化的啟發(fā) 2.6 多目標(biāo)優(yōu)化 2.6.1 多目標(biāo)進(jìn)化算法 2.6.2 動(dòng)態(tài)多目標(biāo)優(yōu)化 2.7 小結(jié) 本章參考文獻(xiàn) 第3章 人腦視覺方向敏感的自組織物聯(lián)網(wǎng)服務(wù)感知算法 3.1 引言 3.2 方向敏感的自組織物聯(lián)網(wǎng)服務(wù)感知模型 3.2.1 敏感性機(jī)制與感知算法的映射關(guān)系 3.2.2 自組織物聯(lián)網(wǎng)簡介 3.2.3 節(jié)點(diǎn)的設(shè)計(jì) 3.3 基于方向敏感性機(jī)制的自組織物聯(lián)網(wǎng)服務(wù)感知算法 3.3.1 物聯(lián)網(wǎng)服務(wù)感知模型 3.3.2 節(jié)點(diǎn)的喚醒方式 3.3.3 節(jié)點(diǎn)的協(xié)同交互模式 3.3.4 方向敏感性的實(shí)現(xiàn) 3.4 仿真實(shí)驗(yàn)與結(jié)果分析 3.4.1 實(shí)驗(yàn)參數(shù)設(shè)置 3.4.2 性能指標(biāo) 3.4.3 與其他算法的對(duì)比實(shí)驗(yàn) 3.4.4 敏感性分析 3.5 小結(jié) 本章參考文獻(xiàn) 第4章 面向大規(guī)模物聯(lián)網(wǎng)的分區(qū)協(xié)同服務(wù)感知算法 4.1 引言 4.2 深度學(xué)習(xí)相關(guān)方法 4.3 方向敏感的大規(guī)模物聯(lián)網(wǎng)服務(wù)感知模型 4.3.1 大規(guī)模物聯(lián)網(wǎng)服務(wù)感知模型 4.3.2 節(jié)點(diǎn)的感知區(qū)域劃分 4.4 基于卷積的分區(qū)協(xié)同感知算法 4.4.1 節(jié)點(diǎn)的*優(yōu)方位 4.4.2 區(qū)域選擇算子 4.4.3 基于卷積的節(jié)點(diǎn)狀態(tài)切換模式 4.5 仿真實(shí)驗(yàn)與結(jié)果分析 4.5.1 實(shí)驗(yàn)參數(shù)設(shè)置 4.5.2 與其他算法的對(duì)比實(shí)驗(yàn) 4.5.3 敏感性分析 4.6 小結(jié) 本章參考文獻(xiàn) 第5章 基于自適應(yīng)免疫算法的農(nóng)業(yè)物聯(lián)網(wǎng)服務(wù)優(yōu)化 5.1 引言 5.2 農(nóng)業(yè)物聯(lián)網(wǎng)服務(wù)架構(gòu)和模型 5.2.1 農(nóng)業(yè)物聯(lián)網(wǎng)服務(wù)架構(gòu) 5.2.2 優(yōu)化模型 5.3 基于內(nèi)分泌調(diào)節(jié)的自適應(yīng)免疫算法 5.3.1 物聯(lián)網(wǎng)系統(tǒng)與免疫系統(tǒng)之間的映射關(guān)系 5.3.2 自適應(yīng)免疫算法 5.4 仿真實(shí)驗(yàn)與結(jié)果分析 5.4.1 實(shí)驗(yàn)參數(shù)設(shè)置 5.4.2 與無內(nèi)分泌調(diào)節(jié)的對(duì)比實(shí)驗(yàn) 5.4.3 與其他算法的對(duì)比實(shí)驗(yàn) 5.5 小結(jié) 本章參考文獻(xiàn) 第6章 分層協(xié)同進(jìn)化的物聯(lián)網(wǎng)服務(wù)多目標(biāo)優(yōu)化 6.1 引言 6.2 物聯(lián)網(wǎng)服務(wù)的多目標(biāo)優(yōu)化模型 6.2.1 物聯(lián)網(wǎng)服務(wù)模型 6.2.2 多目標(biāo)優(yōu)化模型 6.3 免疫內(nèi)分泌系統(tǒng)啟發(fā)的分層協(xié)同進(jìn)化多目標(biāo)優(yōu)化算法 6.3.1 IE-HCMOA算法的智能模型 6.3.2 全局排序的帶疫苗的免疫子算法 6.3.3 激素調(diào)節(jié) 6.3.4 聚類 6.3.5 遺忘記憶機(jī)制 6.4 仿真實(shí)驗(yàn)與結(jié)果分析 6.4.1 實(shí)驗(yàn)參數(shù)設(shè)置 6。4.2 性能指標(biāo) 6.4.3 案例1對(duì)比實(shí)驗(yàn) 6.4.4 案例2對(duì)比實(shí)驗(yàn) 6.4.5 敏感性分析 6.5 小結(jié) 本章參考文獻(xiàn) 第7章 自學(xué)習(xí)協(xié)同進(jìn)化的物聯(lián)網(wǎng)服務(wù)動(dòng)態(tài)多目標(biāo)優(yōu)化 7.1 引言 7.2 物聯(lián)網(wǎng)服務(wù)的動(dòng)態(tài)多目標(biāo)優(yōu)化模型 7.2.1 物聯(lián)網(wǎng)服務(wù)模型 7.2.2 動(dòng)態(tài)多目標(biāo)優(yōu)化模型 7.3 生物啟發(fā)的自學(xué)習(xí)協(xié)同進(jìn)化動(dòng)態(tài)多目標(biāo)優(yōu)化算法 7.3.1 BSCA算法的智能模型 7.3.2 內(nèi)分泌調(diào)節(jié)的協(xié)同機(jī)制 7.3.3 克隆算子 7.3.4 基于人腦的社會(huì)學(xué)習(xí) 7.3.5 基于知識(shí)的局部搜索 7.3.6 BSCA的整體算法 7.4 仿真實(shí)驗(yàn)與結(jié)果分析 7.4.1 實(shí)驗(yàn)參數(shù)設(shè)置 7.4.2 服務(wù)請(qǐng)求的分布密度 7.4.3 性能指標(biāo) 7.4.4 單服務(wù)策略下的性能對(duì)比實(shí)驗(yàn) 7.4.5 協(xié)同服務(wù)策略下的性能對(duì)比實(shí)驗(yàn) 7.4.6 計(jì)算時(shí)間對(duì)比 7.5 三層遞進(jìn)式結(jié)構(gòu)解析實(shí)驗(yàn) 7.5.1 第l層的角色 7.5.2 第2層的角色 7.5.3 第3層的角色 7.6 小結(jié) 本章參考文獻(xiàn)