蚁群算法研究及其应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究的背景及意义 | 第9页 |
| ·蚁群算法研究进展及存在的问题 | 第9-11页 |
| ·论文主要工作和内容 | 第11-13页 |
| 第二章 蚁群算法 | 第13-23页 |
| ·基本蚁群算法 | 第13-17页 |
| ·蚁群算法优缺点 | 第17-18页 |
| ·蚁群算法的优点 | 第17-18页 |
| ·蚁群算法的缺点 | 第18页 |
| ·现有改进蚁群算法介绍 | 第18-22页 |
| ·带精英策略的蚁群系统 | 第19页 |
| ·基于排序的蚂蚁系统 | 第19-20页 |
| ·蚁群系统 | 第20-21页 |
| ·最大最小蚂蚁系统 | 第21页 |
| ·最优最差蚂蚁系统 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 一种改进的蚁群算法 | 第23-29页 |
| ·改进蚁群算法的思想 | 第23页 |
| ·改进策略 | 第23-25页 |
| ·初始信息素的改进 | 第23-24页 |
| ·路径选择策略的改进 | 第24页 |
| ·信息素更新策略改进 | 第24-25页 |
| ·引入Max-Min 思想 | 第25页 |
| ·改进蚁群算法实现 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第四章 基于粒子群的蚁群算法参数组合优化 | 第29-41页 |
| ·蚁群算法参数对性能的影响 | 第29-33页 |
| ·信息素挥发度的分析 | 第29-30页 |
| ·启发式因子α的分析 | 第30页 |
| ·启发式因子β的分析 | 第30-32页 |
| ·蚁群数量m 的分析 | 第32页 |
| ·信息素量的分析 | 第32-33页 |
| ·参数组合优化方案 | 第33-34页 |
| ·粒子群算法介绍 | 第34-36页 |
| ·粒子群算法原理 | 第34页 |
| ·粒子群算法模型 | 第34-35页 |
| ·粒子群算法参数选择 | 第35-36页 |
| ·基于粒子群的蚁群算法参数组合优化实现 | 第36-40页 |
| ·蚁群算法的实现 | 第36-38页 |
| ·粒子群算法的实现 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 蚁群算法仿真系统设计及数值试验 | 第41-55页 |
| ·蚁群算法仿真系统设计 | 第41-45页 |
| ·系统模块设计框架图 | 第41-42页 |
| ·系统界面图 | 第42-45页 |
| ·数据仿真 | 第45-53页 |
| ·本文改进算法有效性验证 | 第45-48页 |
| ·本文改进算法性能验证 | 第48-50页 |
| ·参数组合优化训练 | 第50-52页 |
| ·参数组合优化性能验证 | 第52-53页 |
| ·算法分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·未来展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录A 基本蚁群算法 C++代码 | 第60-67页 |
| 附录B 粒子群算法 C++代码 | 第67-70页 |
| 个人简历 在读期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |
