蚁群算法及其应用研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-11页 |
| 1 绪论 | 第11-29页 |
| ·引言 | 第11-12页 |
| ·蚁群算法的原理分析及算法描述 | 第12-21页 |
| ·蚂蚁的信息系统 | 第12-13页 |
| ·蚁群社会的遗传和进化 | 第13页 |
| ·蚂蚁的觅食行为和觅食策略 | 第13-16页 |
| ·蚂蚁的觅食行为 | 第13页 |
| ·蚂蚁的觅食策略 | 第13-16页 |
| ·蚁群算法的原理分析 | 第16-18页 |
| ·人工蚁群算法的算法描述 | 第18-21页 |
| ·人工蚁和真实蚂蚁的异同 | 第18-19页 |
| ·人工蚁群算法描述 | 第19-20页 |
| ·人工蚁群算法的特点 | 第20-21页 |
| ·蚁群算法与其他搜索算法的比较 | 第21-23页 |
| ·蚁群算法与进化计算的比较 | 第21-22页 |
| ·蚁群算法和模拟退火算法的比较 | 第22-23页 |
| ·蚁群算法与神经网络的比较 | 第23页 |
| ·蚁群算法的研究现状 | 第23-26页 |
| ·本论文研究内容及成果 | 第26-29页 |
| 2 蚁群算法的收敛性 | 第29-48页 |
| ·引言 | 第29页 |
| ·基于图解的蚂蚁系统及其收敛性 | 第29-42页 |
| ·基于图解的蚂蚁系统 | 第29-42页 |
| ·构造图的定义 | 第29-30页 |
| ·基于图解的蚂蚁系统的组成 | 第30-32页 |
| ·基于图解的蚂蚁系统的收敛性及证明 | 第32-42页 |
| ·一种蚁群优化算法的收敛性 | 第42-46页 |
| ·问题的表示与算法的描述 | 第42-44页 |
| ·算法的收敛性证明 | 第44-46页 |
| ·本章小节 | 第46-48页 |
| 3 基本蚁群算法及其改进算法 | 第48-80页 |
| ·引言 | 第48页 |
| ·蚂蚁系统的模型描述 | 第48-50页 |
| ·蚂蚁系统模型的实现 | 第50-51页 |
| ·蚂蚁系统模型中有关算法参数的选择及基本属性 | 第51-59页 |
| ·算法模型的选择 | 第51-52页 |
| ·信息素挥发度的选择 | 第52-54页 |
| ·启发式因子的选择 | 第54-56页 |
| ·蚁群数量的选择 | 第56-57页 |
| ·总信息量的选择 | 第57-58页 |
| ·蚂蚁的初始分布 | 第58页 |
| ·蚂蚁系统的时间复杂度问题 | 第58-59页 |
| ·蚂蚁系统的优点与不足 | 第59-60页 |
| ·改进的蚁群算法 | 第60-67页 |
| ·带精英策略的蚂蚁系统 | 第60-61页 |
| ·基于优化排序的蚂蚁系统 | 第61-62页 |
| ·蚁群系统 | 第62-64页 |
| ·可行解的构造 | 第63页 |
| ·ACS的全局更新规则 | 第63页 |
| ·ACS的局部更新规则 | 第63-64页 |
| ·最大-最小蚂蚁系统 | 第64-65页 |
| ·最优-最差蚂蚁系统 | 第65-66页 |
| ·各种蚁群算法的比较 | 第66-67页 |
| ·回溯蚂蚁系统 | 第67-73页 |
| ·引言 | 第67页 |
| ·BAS算法 | 第67-70页 |
| ·数值实验 | 第70-73页 |
| ·对称TSP问题 | 第70-71页 |
| ·非对称TSP问题 | 第71页 |
| ·让蚂蚁产生一次完全的周游 | 第71-73页 |
| ·结论 | 第73页 |
| ·一种新的多重蚁群优化算法 | 第73-79页 |
| ·引言 | 第73页 |
| ·ACO算法 | 第73-75页 |
| ·ACOMAC算法 | 第75-77页 |
| ·仿真实验结果 | 第77-79页 |
| ·结论 | 第79页 |
| ·本章小结 | 第79-80页 |
| 4 蚁群算法的并行实现 | 第80-93页 |
| ·引言 | 第80页 |
| ·蚁群算法并行实现的研究现状及应用情况概述 | 第80-82页 |
| ·蚂蚁系统的同步并行实现和部分异步并行实现 | 第82-87页 |
| ·基本思想 | 第82-85页 |
| ·SPI和PAPI的对比实验 | 第85-87页 |
| ·SPI和PAPI的相对计算量、通讯和闲置时间 | 第85-86页 |
| ·SPI和PAPI中加速度、效率和功效的比较 | 第86-87页 |
| ·一种求解TSP问题的并行蚁群系统 | 第87-92页 |
| ·引言 | 第87-88页 |
| ·并行蚁群系统算法的基本思想 | 第88-90页 |
| ·实验结果 | 第90-91页 |
| ·结论 | 第91-92页 |
| ·本章小结 | 第92-93页 |
| 5 蚁群算法在优化问题中的应用概述 | 第93-98页 |
| ·引言 | 第93页 |
| ·蚁群算法在静态组合优化中的应用 | 第93-96页 |
| ·TSP问题 | 第93页 |
| ·二次分配问题 | 第93-94页 |
| ·车间作业调度问题 | 第94页 |
| ·大规模集成电路综合布线 | 第94页 |
| ·车辆路径问题 | 第94-95页 |
| ·图着色问题 | 第95页 |
| ·有序排列问题 | 第95页 |
| ·最短的公共序列问题 | 第95-96页 |
| ·蚁群算法在动态组合优化中的应用 | 第96页 |
| ·有向连接的网络路由 | 第96页 |
| ·无连接网络系统路由 | 第96页 |
| ·蚁群算法在连续空间优化问题中的应用 | 第96-97页 |
| ·本章小结 | 第97-98页 |
| 6 遗传算法和蚁群算法的融合在函数优化中的应用 | 第98-108页 |
| ·引言 | 第98-99页 |
| ·GAAA算法 | 第99-102页 |
| ·GAAA算法的基本思想 | 第99页 |
| ·算法中遗传算法的构造原理 | 第99-100页 |
| ·算法中蚂蚁算法的设计 | 第100页 |
| ·GAAA算法的流程图 | 第100页 |
| ·GAAA算法对TSP问题的仿真结果 | 第100-102页 |
| ·GAAA算法在函数优化问题中的应用 | 第102-107页 |
| ·用于函数优化的蚁群算法模型 | 第103页 |
| ·用于函数优化的GAAA算法模型 | 第103-105页 |
| ·算法中遗传算法的设计 | 第103-104页 |
| ·算法中蚂蚁算法的设计 | 第104页 |
| ·用于函数优化的GAAA算法的描述 | 第104-105页 |
| ·仿真实验 | 第105-107页 |
| ·一维函数实例的实验结果 | 第105-106页 |
| ·多维函数实例的实验结果 | 第106-107页 |
| ·结论 | 第107页 |
| ·本章小结 | 第107-108页 |
| 7 蚁群算法在电厂主蒸汽温度控制系统中的应用 | 第108-117页 |
| ·引言 | 第108-109页 |
| ·主蒸汽温度PID控制器参数优化的研究现状 | 第109-110页 |
| ·蚁群算法在电厂主蒸汽温度控制系统中的应用 | 第110-115页 |
| ·用于PID参数优化的蚁群算法设计 | 第110-112页 |
| ·算法的描述 | 第112页 |
| ·仿真计算 | 第112-115页 |
| ·结论 | 第115页 |
| ·本章小结 | 第115-117页 |
| 8 结论与展望 | 第117-121页 |
| ·全文结论 | 第117-118页 |
| ·未来展望 | 第118-121页 |
| 致谢 | 第121-123页 |
| 参考文献 | 第123-135页 |
| 攻读博士学位期间发表的论文 | 第135页 |
