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 |