| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 引言 | 第12-14页 |
| 1.2 元启发式算法及其分类 | 第14页 |
| 1.3 几种典型的元启发式算法 | 第14-20页 |
| 1.4 本文内容与结构 | 第20-22页 |
| 第二章 人工蜂群算法 | 第22-40页 |
| 2.1 算法基础 | 第22-24页 |
| 2.1.1 算法的起源与发展 | 第22页 |
| 2.1.2 算法的生物学原理 | 第22-24页 |
| 2.2 算法描述 | 第24-27页 |
| 2.2.1 算法基本模型 | 第24-26页 |
| 2.2.2 算法流程 | 第26-27页 |
| 2.3 算法的研究现状 | 第27-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 基于pbest的改进人工蜂群算法 | 第40-66页 |
| 3.1 预备 | 第40-44页 |
| 3.1.1 反向学习相关内容 | 第40-42页 |
| 3.1.2 改进DE算法的两种变异策略 | 第42-44页 |
| 3.2 改进算法(PABC1,PABC2) | 第44-49页 |
| 3.2.1 两种基于pbest的搜索策略 | 第44-45页 |
| 3.2.2 采蜜蜂阶段后的反向搜索 | 第45页 |
| 3.2.3 基于目标函数值的贪婪选择策略 | 第45-46页 |
| 3.2.4 蜜蜂搜索频率的调整 | 第46页 |
| 3.2.5 PABC1和PABC2算法的实现步骤 | 第46-48页 |
| 3.2.6 PABC1算法的复杂性分析 | 第48-49页 |
| 3.3 实验与分析 | 第49-63页 |
| 3.3.1 实验测试函数 | 第49页 |
| 3.3.2 实验参数设置 | 第49页 |
| 3.3.3 参数JR和两个参数p对算法PABC1和PABC2的影响 | 第49-55页 |
| 3.3.4 实验结果分析 | 第55-60页 |
| 3.3.5 PABC2算法的各改进策略对其性能的影响 | 第60-63页 |
| 3.4 本章小结 | 第63-66页 |
| 第四章 局部最优解引导的改进人工蜂群算法 | 第66-84页 |
| 4.1 改进算法(PABC) | 第66-69页 |
| 4.1.1 反向初始化种群 | 第66页 |
| 4.1.2 采蜜蜂阶段的搜索策略 | 第66-67页 |
| 4.1.3 随蜂阶段基于pbest的搜索策略 | 第67-68页 |
| 4.1.4 蜜蜂搜索频率的调整 | 第68页 |
| 4.1.5 PABC算法的实现步骤 | 第68-69页 |
| 4.2 实验与分析 | 第69-82页 |
| 4.2.1 实验测试函数 | 第69页 |
| 4.2.2 实验参数设置 | 第69-71页 |
| 4.2.3 动态选取部分个体参数p对PABC算法的影响 | 第71-75页 |
| 4.2.4 实验结果分析 | 第75-78页 |
| 4.2.5 三种主要改进措施对算法PABC的影响 | 第78-82页 |
| 4.3 本章小结 | 第82-84页 |
| 第五章 基于改进人工蜂群算法的周期性轨道交通时间调度问题 | 第84-110页 |
| 5.1 CPABC算法 | 第84-90页 |
| 5.1.1 CPABC算法的各改进措施 | 第84-86页 |
| 5.1.2 CPABC算法的实现步骤 | 第86-89页 |
| 5.1.3 实验与分析 | 第89-90页 |
| 5.2 OPABC算法 | 第90-103页 |
| 5.2.1 OPABC算法的改进策略 | 第90-91页 |
| 5.2.2 OPABC算法的实现步骤 | 第91-92页 |
| 5.2.3 实验与分析 | 第92-103页 |
| 5.3 基于OPABC算法的周期性轨道交通时间调度 | 第103-109页 |
| 5.3.1 周期性轨道交通时间调度模型(PRTS) | 第103-105页 |
| 5.3.2 利用OPABC算法解决PRTS问题 | 第105页 |
| 5.3.3 数值实验 | 第105-109页 |
| 5.4 本章小结 | 第109-110页 |
| 第六章 结论 | 第110-112页 |
| 参考文献 | 第112-124页 |
| 攻读博士学位期间发表和提交的论文 | 第124-126页 |
| 致谢 | 第126页 |
