| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 课题研究背景和意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 蚁群算法的研究现状 | 第14-16页 |
| 1.2.2 Web服务组合优化问题的研究现状 | 第16-17页 |
| 1.3 论文研究内容 | 第17页 |
| 1.4 论文章节安排 | 第17-18页 |
| 第二章 蚁群算法综述 | 第18-27页 |
| 2.1 基础蚁群算法 | 第18-22页 |
| 2.1.1 蚁群算法的生物学基础 | 第18-19页 |
| 2.1.2 人工蚁群与自然蚁群 | 第19-20页 |
| 2.1.3 蚁群算法的基本模型 | 第20-22页 |
| 2.2 几种典型改进蚁群算法 | 第22-25页 |
| 2.2.1 精英蚂蚁系统EAS | 第22-23页 |
| 2.2.2 最大最小蚂蚁系统MMAS | 第23-24页 |
| 2.2.3 蚁群系统ACS | 第24-25页 |
| 2.3 蚁群算法的应用 | 第25-26页 |
| 2.3.1 车间作业调度问题JSP | 第25页 |
| 2.3.2 物流配送车辆路径问题VRP | 第25-26页 |
| 2.3.3 基于蚂蚁觅食的蚁群聚类算法 | 第26页 |
| 本章小结 | 第26-27页 |
| 第三章 物流Web服务组合优化问题 | 第27-41页 |
| 3.1 云物流服务模式简述 | 第27-31页 |
| 3.1.1 产生背景 | 第27-28页 |
| 3.1.2 云物流服务模式 | 第28-29页 |
| 3.1.3 物流资源虚拟化 | 第29-31页 |
| 3.2 物流Web服务组合 | 第31-39页 |
| 3.2.1 Web服务 | 第31-33页 |
| 3.2.2 物流Web服务组合优化问题模型 | 第33-36页 |
| 3.2.3 物流Web服务的QoS属性 | 第36-39页 |
| 3.3 基于基础蚁群算法的物流web服务组合优化 | 第39-40页 |
| 3.3.1 TSP问题与服务组合优化问题的模型转换 | 第39页 |
| 3.3.2 基础蚁群算法求解服务组合优化问题的实现流程 | 第39-40页 |
| 本章小结 | 第40-41页 |
| 第四章 TMACO算法求解物流Web服务组合优化问题 | 第41-57页 |
| 4.1 多目标优化模型 | 第41-45页 |
| 4.1.1 多目标优化 | 第41-42页 |
| 4.1.2 Pareto最优思想 | 第42-44页 |
| 4.1.3 基于Pareto最优的多目标优化 | 第44-45页 |
| 4.2 候选服务集合预优化阶段 | 第45-47页 |
| 4.2.1 支配因子与被支配因子 | 第45-46页 |
| 4.2.2 预优化依据 | 第46-47页 |
| 4.2.3 非劣候选服务集合 | 第47页 |
| 4.3 蚁群算法改进策略 | 第47-49页 |
| 4.3.1 信息更新策略 | 第47-48页 |
| 4.3.2 启发信息策略 | 第48-49页 |
| 4.3.3 懒蚂蚁策略 | 第49页 |
| 4.5 TMACO算法的实现流程及时间复杂度分析 | 第49-50页 |
| 4.5.1 TMACO算法的实现步骤 | 第49-50页 |
| 4.5.2 TMACO算法的时间复杂度分析 | 第50页 |
| 4.6 TMACO算法实现及实验对比 | 第50-56页 |
| 4.6.1 TMACO算法参数分析 | 第50-53页 |
| 4.6.2 TMACO算法效果随问题规模变化分析 | 第53-54页 |
| 4.6.3 TMACO算法各策略效果对比 | 第54-55页 |
| 4.6.4 TMACO算法与其他算法效果对比 | 第55-56页 |
| 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 论文工作总结 | 第57-58页 |
| 5.2 未来研究展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64页 |
