首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

蚁群算法改进及应用研究

摘要第1-6页
ABSTRACT第6-19页
第1章 绪论第19-37页
   ·课题的背景及意义第19页
   ·蚁群算法原理及算法描述第19-26页
     ·蚁群算法的生物基础第19-21页
     ·蚁群算法的基本原理第21-23页
     ·蚁群算法基本实现第23-26页
   ·蚁群算法的特点第26-29页
     ·人工蚂蚁系统与真实蚂蚁系统的比较第26-28页
     ·蚁群算法的特点第28-29页
   ·蚁群算法的改进第29-32页
     ·基于网格划分策略的蚁群算法第29页
     ·基于信息量分布函数的蚁群算法第29-30页
     ·基于交叉变异操作的蚁群算法第30-31页
     ·嵌入确定性搜索的蚁群算法第31页
     ·多目标优化问题的蚁群算法第31-32页
     ·与其它仿生优化算法的融合第32页
   ·蚁群算法的应用第32-34页
   ·论文研究内容及成果第34-37页
第2章 连续域二进制蚁群算法的实现及其改进第37-59页
   ·引言第37页
   ·二进制蚁群算法模型表述第37-39页
   ·二进制蚁群算法中有关参数的选择及对算法性能的影响第39-44页
     ·启发式因子α、β的选择第39-41页
     ·信息素残留因子ρ的选择第41-42页
     ·蚂蚁数量m 的选择第42-43页
     ·总信息量Q 的选择第43-44页
   ·二进制蚁群算法改进与实现第44-50页
     ·编码方式第44-45页
     ·解码方式第45页
     ·初始解第45页
     ·路径选择第45页
     ·信息素更新第45-46页
     ·转移概率的计算第46页
     ·算法基本步骤第46页
     ·试验结果第46-50页
   ·二进制蚁群算法的加权策略第50-58页
     ·适于加权改进的算法表述第50-51页
     ·加权策略的实现第51-53页
     ·加权二进制蚁群算法的测试及分析第53-58页
   ·本章小结第58-59页
第3章 PBIL 分布估计蚁群算法第59-79页
   ·引言第59页
   ·二进制蚁群算法第59-61页
   ·PBIL 分布估计算法第61-62页
     ·PBIL 算法原理第61-62页
     ·PBIL 算法流程第62页
   ·算法的混合改进策略第62-63页
   ·算法参数的确定第63-73页
     ·学习速率γ的确定第65-67页
     ·分布模型样本百分比μ的测试第67-68页
     ·信息素蒸发率ρ的测试第68-70页
     ·蚂蚁个数m 的测试第70-71页
     ·学习指导因子λ的测试第71-73页
   ·仿真实验及分析第73-78页
   ·本章小结第78-79页
第4章 蚁群算法在WEB 服务组和优化中的应用第79-89页
   ·引言第79页
   ·基于QOS 的WEB 服务组合第79-81页
     ·Web 服务架构第79-80页
     ·Web 服务QoS 模型第80页
     ·Web 服务动态组合第80-81页
   ·QOS 驱动下WEB 服务优化算法第81-87页
     ·基于Qos 的Web 服务选择问题第81页
     ·QoS 驱动下Web 服务选择的蚁群算法模型第81-83页
     ·算法流程第83页
     ·初始蚁群的生成与分布第83-84页
     ·参数选择第84-85页
     ·算法终止条件第85页
     ·实验数据及运行平台第85-87页
     ·实验结果第87页
   ·WEB 服务组合的应用第87-88页
   ·本章小结第88-89页
第5章 蚁群算法在白洋淀旅游规划中的应用第89-103页
   ·白洋淀旅游开发现状第89-90页
   ·白洋淀旅游规划要点第90-93页
   ·基于改进蚁群算法的景区线路规划第93-102页
     ·白洋淀景区规划坐标图第93-96页
     ·基于加权蚁群算法的TSP 问题第96-100页
     ·基于加权蚁群算法的景点线路规划第100-102页
   ·本章小结第102-103页
结论第103-105页
参考文献第105-115页
攻读博士学位期间承担的科研任务与主要成果第115-117页
致谢第117-118页
作者简介第118页

论文共118页,点击 下载论文
上一篇:Web系统建模及其性能分析
下一篇:基于三维重建技术的篦冷机熟料冷却控制模型研究