| 致谢 | 第1-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 图示 | 第10-12页 |
| 表格 | 第12-13页 |
| 符号一览表 | 第13-18页 |
| 第1章 绪论 | 第18-24页 |
| ·引言 | 第18页 |
| ·蚁群算法产生的生物背景 | 第18-19页 |
| ·蚁群算法的特点 | 第19页 |
| ·蚁群算法的研究现状 | 第19-21页 |
| ·其它的优化算法 | 第21-23页 |
| ·遗传算法 | 第21-22页 |
| ·混沌优化算法 | 第22页 |
| ·微粒群算法 | 第22-23页 |
| ·本文的主要工作 | 第23-24页 |
| 第2章 蚁群算法原理及其改进算法比较 | 第24-36页 |
| ·引言 | 第24页 |
| ·基本蚁群算法原理 | 第24-30页 |
| ·蚂蚁自组织觅食行为 | 第24-26页 |
| ·基本蚁群算法的数学模型 | 第26-28页 |
| ·基本蚁群算法的实现步骤 | 第28-30页 |
| ·基本蚁群算法的参数设置 | 第30页 |
| ·基本蚁群算法的应用 | 第30页 |
| ·改进的蚁群算法 | 第30-35页 |
| ·蚁群系统 | 第30-32页 |
| ·最大最小蚂蚁系统 | 第32-33页 |
| ·最优解保留策略蚂蚁系统 | 第33页 |
| ·基于排序的蚂蚁系统 | 第33-34页 |
| ·各种改进蚁群算法的比较 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 一种新型混合蚁群算法 | 第36-46页 |
| ·引言 | 第36-37页 |
| ·NHACO优化算法 | 第37-39页 |
| ·NHACO算法原理 | 第37页 |
| ·NHACO算法基本操作 | 第37-39页 |
| ·NHACO算法实现步骤 | 第39页 |
| ·NHACO算法性能测试 | 第39-41页 |
| ·NHACO算法参数的影响 | 第41-45页 |
| ·启发式因子的选择 | 第41-43页 |
| ·信息素挥发系数的选择 | 第43页 |
| ·总信息量的选择 | 第43-44页 |
| ·蚂蚁数目的选择 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 一种求解连续空间优化问题的蚁群算法 | 第46-62页 |
| ·引言 | 第46页 |
| ·用于求解连续空间优化问题的蚁群算法 | 第46-47页 |
| ·ICACO算法的构建 | 第47-51页 |
| ·ICACO算法原理 | 第48页 |
| ·ICACO算法的操作 | 第48-50页 |
| ·ICACO算法的实现步骤 | 第50-51页 |
| ·ICACO算法的性能测试 | 第51-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 ICACO算法在连续搅拌反应釜软测量建模中的应用 | 第62-72页 |
| ·引言 | 第62页 |
| ·ICACO的RBF网络软测量建模方法 | 第62-66页 |
| ·RBF神经网络 | 第62-64页 |
| ·目标函数设计 | 第64-65页 |
| ·建模方法的实现步骤 | 第65-66页 |
| ·软测量建模的仿真 | 第66-71页 |
| ·连续搅拌反应釜 | 第66-67页 |
| ·ICACO算法的CSTR软测量建模方法 | 第67-68页 |
| ·ICACO算法的软测量建模仿真结果 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| ·全文工作的总结 | 第72-73页 |
| ·今后的研究工作 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 作者在攻读硕士学位期间完成的科研工作 | 第82-83页 |
| 作者简介 | 第83页 |