| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·本文的背景和研究意义 | 第9-12页 |
| ·背景和研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第2章 蚁群算法及问题描述 | 第15-27页 |
| ·蚁群算法 | 第15-22页 |
| ·TSP 问题概述 | 第15-16页 |
| ·蚁群算法的基本思想 | 第16-17页 |
| ·蚁群算法模型 | 第17-21页 |
| ·蚁群算法框架 | 第21-22页 |
| ·OPP问题描述 | 第22-24页 |
| ·日常出行的影响因素 | 第22页 |
| ·与TSP问题的不同 | 第22-23页 |
| ·问题的形式化表述 | 第23-24页 |
| ·TSPTW问题描述 | 第24-25页 |
| ·时间窗限制对于求解的影响 | 第24页 |
| ·优化目标 | 第24-25页 |
| ·问题的形式化表述 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于香味素和道路分级的 OPP 问题的蚁群求解算法 | 第27-39页 |
| ·香味素及其作用 | 第27页 |
| ·算法描述 | 第27-32页 |
| ·基于香味素的启发函数模型 | 第27-29页 |
| ·基于道路分级的候选集合生成策略 | 第29-31页 |
| ·算法流程及分析 | 第31-32页 |
| ·实验结果与分析 | 第32-37页 |
| ·数据集的生成方法 | 第32-33页 |
| ·香味素诱导策略的作用 | 第33-34页 |
| ·新候选集合生成策略的作用 | 第34-35页 |
| ·总体性能 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于磁场模型的TSPTW问题的蚁群求解算法 | 第39-53页 |
| ·相关背景 | 第39-40页 |
| ·磁场理论 | 第39-40页 |
| ·变异策略 | 第40页 |
| ·算法描述 | 第40-48页 |
| ·基于磁场描述的启发函数模型 | 第41-45页 |
| ·基于 TSPTW 问题的变异策略 | 第45-47页 |
| ·算法流程及复杂度分析 | 第47-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·基于磁场模型的启发函数作用 | 第48-51页 |
| ·变异策略的作用 | 第51页 |
| ·本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间所发表的学术论文 | 第59-61页 |
| 致谢 | 第61页 |