蚁群优化算法的研究及其应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·课题研究意义 | 第7-8页 |
| ·蚁群算法的研究现状 | 第8-10页 |
| ·本文主要工作 | 第10-11页 |
| ·论文的组织结构 | 第11-12页 |
| 第2章 求解组合优化问题的仿生进化算法 | 第12-21页 |
| ·组合优化问题概述 | 第12-13页 |
| ·旅行商问题 | 第13-14页 |
| ·TSP问题描述 | 第13页 |
| ·TSP问题的建模 | 第13页 |
| ·TSP问题计算复杂性及意义 | 第13-14页 |
| ·仿生进化算法概述 | 第14-20页 |
| ·动态规划 | 第15页 |
| ·遗传算法 | 第15-17页 |
| ·人工神经网络 | 第17-18页 |
| ·微粒群优化算法 | 第18页 |
| ·蚁群算法 | 第18-19页 |
| ·几种算法的比较 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基本蚁群算法原理以及改进思路 | 第21-31页 |
| ·蚁群算法的基本原理 | 第21-22页 |
| ·蚁群算法的系统学特征 | 第22-25页 |
| ·蚁群算法的抽象模型 | 第25-27页 |
| ·蚁群算法的选参原则 | 第27页 |
| ·蚁群算法的改进思路 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第4章 蚁群算法的分析 | 第31-43页 |
| ·蚁群算法的几个重要参数对算法的影响分析 | 第31-39页 |
| ·信息启发式因子α对算法性能的影响 | 第31-33页 |
| ·期望启发式因子β对算法性能的影响 | 第33-35页 |
| ·信息素挥发因子ρ对算法性能的影响 | 第35-36页 |
| ·蚂蚁数目m对算法性能的影响 | 第36-39页 |
| ·信息素强度Q对算法性能的影响 | 第39页 |
| ·蚁群算法的复杂度分析 | 第39-42页 |
| ·基本蚁群算法的时间复杂度分析 | 第39-42页 |
| ·基本蚁群算法的空间复杂度分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第5章 改进的蚁群算法及其应用 | 第43-54页 |
| ·搜索前对无向图的预处理 | 第43-44页 |
| ·信息素更新机制的改进 | 第44-45页 |
| ·改进的ACA初始参数组合 | 第45-46页 |
| ·蚁群算法用于神经网络求解TSP | 第46-51页 |
| ·基于HNN求解TSP的基本思想 | 第46-47页 |
| ·ACA与HNN算法融合的一般性分析 | 第47-49页 |
| ·用改进后ACA来训练HNN求解TSP步骤 | 第49-51页 |
| ·改进算法的应用实验仿真 | 第51-53页 |
| ·仿真实验 1 | 第51-52页 |
| ·仿真实验 2 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 结论及未来工作 | 第54-55页 |
| ·结论 | 第54页 |
| ·未来展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
