首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

基于群集经验的群相遇蚁群算法的研究

摘要第1-5页
Abstract第5-8页
第1章 引言第8-11页
   ·选题背景及研究意义第8-9页
   ·群集智能简介第9页
   ·算法性能的评价方法第9-11页
第2章 组合优化问题与TSP 简介第11-15页
   ·组合优化问题第11-12页
   ·算法的复杂性和NP 问题第12-13页
   ·TSP 问题第13-14页
   ·小结第14-15页
第3章 蚁群优化算法第15-27页
   ·蚁群优化算法的基础原理第15-18页
     ·蚂蚁算法生物学原理第15-17页
     ·人工蚂蚁机理分析第17-18页
   ·主要的蚁群优化算法第18-22页
     ·蚂蚁算法(AS)第18-20页
     ·最大-最小蚂蚁系统(MMAS)第20-21页
     ·蚁群系统(ACS)第21-22页
   ·参数分析第22-24页
     ·蚂蚁数目m第22-23页
     ·信息素挥发速度ρ第23页
     ·启发式因子α和β第23-24页
   ·局部优化涉及到的优化算法第24-25页
     ·最近邻居算法第24页
     ·3-opt 算法第24-25页
   ·基本的相遇算法第25-27页
第4章 基于群集经验的蚁群算法第27-40页
   ·基于群集经验的蚂蚁模型(E-ant)第27-29页
   ·算法EMMAS 的具体实现第29-30页
   ·实验环境及原始蚂蚁算法的参数设置第30-31页
   ·EMMAS 的实验分析第31-39页
     ·EMMAS 的参数设置第31-36页
     ·EMMAS 与MMAS 的比较第36-39页
   ·小结第39-40页
第5章 群相遇蚁群算法第40-47页
   ·群相遇蚁群算法(SMMAS)的基本思想第40-42页
   ·SMMAS 的实验分析第42-46页
   ·小结第46-47页
第6章 基于群集经验的群相遇蚁群算法第47-51页
   ·算法的基本框架第47页
   ·ESMMAS 的实验分析第47-50页
   ·小结第50-51页
第7章 结论和展望第51-53页
参考文献第53-59页
致谢第59-60页
附录A第60-62页
个人简历、在学期间发表的学术论文及研究成果第62页

论文共62页,点击 下载论文
上一篇:求解多峰函数多解问题的K-CMA算法
下一篇:关于三值社会诊断模型的研究