| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景及意义 | 第13-14页 |
| ·研究现状 | 第14-16页 |
| ·本文主要内容 | 第16页 |
| ·本文结构 | 第16-18页 |
| 第二章 蚁群算法基本原理及分析 | 第18-29页 |
| ·基本蚁群算法原理 | 第18-22页 |
| ·蚂蚁觅食行为 | 第18-19页 |
| ·蚂蚁觅食策略 | 第19-21页 |
| ·机制原理 | 第21-22页 |
| ·蚁群算法数学模型 | 第22-25页 |
| ·蚁群算法的发展历程 | 第25-27页 |
| ·蚁群系统(Ant Colony System, ACS) | 第25-26页 |
| ·最大最小蚁群系统(Max-Min Ant System, MMAS) | 第26-27页 |
| ·蚁群优化算法(Ant Colony optimization, ACO) | 第27页 |
| ·蚁群算法的优缺点 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于均匀设计的蚁群算法参数离线调整 | 第29-46页 |
| ·几种典型的离线调整方法 | 第29-39页 |
| ·F-Race | 第29-32页 |
| ·A Racing Algorithm | 第30-31页 |
| ·F-Race 算法思想 | 第31-32页 |
| ·CALIBRA | 第32-39页 |
| ·正交试验设计 | 第32-35页 |
| ·全局优化技术 | 第35页 |
| ·CALIBRA 的算法描述 | 第35-39页 |
| ·均匀设计理论在蚁群算法参数离线调整的应用 | 第39-45页 |
| ·均匀设计理论 | 第39-43页 |
| ·参数对蚁群算法性能的影响 | 第43-44页 |
| ·信息素残留因子 | 第43页 |
| ·信息启发式因子 | 第43页 |
| ·期望启发式因子 | 第43-44页 |
| ·信息素强度因子 | 第44页 |
| ·蚂蚁数目 | 第44页 |
| ·蚁群算法参数离线调整实现 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于混沌理论的蚁群算法参数在线调整 | 第46-59页 |
| ·几种典型的在线调整方法 | 第46-50页 |
| ·禁忌搜索 | 第46-48页 |
| ·禁忌搜索理论构架 | 第46-47页 |
| ·TS 的算法流程 | 第47页 |
| ·TS 的优缺点 | 第47-48页 |
| ·混沌理论 | 第48-50页 |
| ·混沌的定义 | 第48-49页 |
| ·混沌特征 | 第49-50页 |
| ·混沌理论的应用 | 第50页 |
| ·基于均匀设计和混沌理论混合的蚁群算法参数调整研究 | 第50-58页 |
| ·混沌理论对蚁群算法静态参数的调整 | 第50-56页 |
| ·自适应参数调整策略 | 第51-52页 |
| ·仿真实验 | 第52-56页 |
| ·均匀设计和混沌理论混合机制在蚁群算法参数在线调整的应用 | 第56-58页 |
| ·混合优化调整实现 | 第56-57页 |
| ·仿真实验 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-60页 |
| ·主要工作和贡献 | 第59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
