| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 课题研究现状 | 第9-12页 |
| 1.2.1 国外对蚁群算法的研究动态 | 第9页 |
| 1.2.2 国内对蚁群算法的研究动态 | 第9-10页 |
| 1.2.3 国外对连续域蚁群算法的研究动态 | 第10-11页 |
| 1.2.4 国内对连续域蚁群算法的研究动态 | 第11-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文结构 | 第12-13页 |
| 第二章 蚁群优化算法 | 第13-26页 |
| 2.1 ACO元启发式算法 | 第13-14页 |
| 2.1.1 组合优化问题 | 第13页 |
| 2.1.2 ACO元启发式算法 | 第13-14页 |
| 2.2 基本蚁群算法 | 第14-19页 |
| 2.2.1 基本蚁群算法思想 | 第14-15页 |
| 2.2.2 基本蚁群算法 | 第15-16页 |
| 2.2.3 基本蚁群算法步骤 | 第16页 |
| 2.2.4 基本蚁群算法流程图 | 第16-17页 |
| 2.2.5 改进的蚁群算法 | 第17-19页 |
| 2.3 基本连续域蚁群算法 | 第19-25页 |
| 2.3.1 基本连续域蚁群算法思想 | 第19-22页 |
| 2.3.2 基本连续域蚁群算法 | 第22-23页 |
| 2.3.3 基本连续域蚁群算法步骤 | 第23页 |
| 2.3.4 基本连续域蚁群算法流程图 | 第23-24页 |
| 2.3.5 基本连续域蚁群算法的不足 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于人工蜂群的连续域蚁群优化算法 | 第26-34页 |
| 3.1 人工蜂群算法原理 | 第26-27页 |
| 3.2 替代机制 | 第27页 |
| 3.3 算法描述 | 第27-28页 |
| 3.4 算法步骤 | 第28页 |
| 3.5 算法伪代码 | 第28-29页 |
| 3.6 实验结果与分析 | 第29-33页 |
| 3.6.1 ABC-ACOR与ACOR,HACO算法对比实验 | 第29-31页 |
| 3.6.2 ABC-ACOR与API，CACO和COAC算法对比实验 | 第31-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 基于信息素的自适应连续域混合蚁群算法 | 第34-45页 |
| 4.1 连续域混合蚁群算法 | 第34-35页 |
| 4.2 信息素挥发因子 | 第35-36页 |
| 4.3 信息素分享机制 | 第36-37页 |
| 4.4 算法步骤 | 第37-38页 |
| 4.5 算法伪代码 | 第38-39页 |
| 4.6 实验与分析 | 第39-44页 |
| 4.6.1 实验设计 | 第39-41页 |
| 4.6.2 实验结果与分析 | 第41-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第五章 基于连续域蚁群算法的支持向量机参数优化 | 第45-55页 |
| 5.1 SVM原理 | 第45-47页 |
| 5.2 基于连续域蚁群算法的SVM参数优化 | 第47-48页 |
| 5.3 实验与分析 | 第48-54页 |
| 5.3.1 实验设计 | 第48-49页 |
| 5.3.2 实验结果与分析 | 第49-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-58页 |
| 6.1 论文总结 | 第55-56页 |
| 6.2 论文的主要创新点 | 第56页 |
| 6.3 论文存在的问题以及未来工作的展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第63页 |