首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

一种基于动态局部搜索的蚁群算法及其对TSP问题的求解

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第11-16页
    1.1 前言第11页
    1.2 国内外发展现状第11-14页
    1.3 研究意义与目的第14页
    1.4 本文研究内容和论文结构第14-16页
第二章 蚁群算法和TSP问题第16-22页
    2.1 启发式搜索第16页
    2.2 蚁群算法第16-20页
        2.2.1 蚁群算法的双要素第17页
        2.2.2 蚁群算法的初始化第17-18页
        2.2.3 蚁群算法的执行步骤第18-20页
    2.3 TSP问题第20页
    2.4 蚁群算法求解TSP问题第20-21页
        2.4.1 收敛速度慢第20页
        2.4.2 局部最优第20-21页
        2.4.3 求解质量不高和稳定性不足第21页
    2.5 本章小结第21-22页
第三章 基于动态局部搜索和城市分类对蚁群算法的改进第22-32页
    3.1 基于动态局部搜索对蚁群算法的改进第22页
    3.2 2-Opt算法的详细介绍第22-24页
        3.2.1 2-Opt求解TSP问题的工作原理第22-23页
        3.2.2 2-Opt的缺点第23-24页
    3.3 动态局部搜索策略第24-27页
        3.3.1 斥候蚁第24-26页
            3.3.1.1 斥候蚁的特征第24-25页
            3.3.1.2 派出斥候蚁的条件第25页
            3.3.1.3 斥候蚁的参数第25-26页
            3.3.1.4 斥候蚁更新信息素的策略第26页
        3.3.2 基于动态局部搜索的蚁群算法的实现步骤第26-27页
    3.4 基于斥候蚁矩阵的节点分类对蚁群算法的改进第27-28页
    3.5 基于斥候蚁矩阵的节点分类策略第28-31页
        3.5.1 参数的设定第29-30页
        3.5.2 基于斥候蚁矩阵的节点分类的详细介绍第30页
        3.5.3 基于斥候蚁矩阵的节点分类的实现步骤第30-31页
    3.6 本章小结第31-32页
第四章 基于斥候蚁矩阵的信息素修正对蚁群算法的改进第32-39页
    4.1 基于最优解“优质”程度的动态的信息素更新策略第32-34页
        4.1.1 动态的信息素更新策略的参数设置第32-33页
        4.1.2 动态的信息素更新策略的详细介绍第33页
        4.1.3 动态的信息素更新策略的流程图第33-34页
        4.1.4 本策略拟达到的目的第34页
    4.2 基于继承式的信息素清零策略第34-36页
        4.2.1 信息素清零策略的参数设置第35页
        4.2.2 信息素清零策略的详细介绍第35-36页
        4.2.3 信息素清零策略的实现流程第36页
        4.2.4 本策略拟达到的目的第36页
    4.3 改进算法的描述第36-38页
    4.4 改进算法的时间与空间复杂度分析第38页
        4.4.1 时间复杂度第38页
        4.4.2 空间复杂度第38页
    4.5 本章小结第38-39页
第五章 仿真实验第39-53页
    5.1 工作环境第39页
    5.2 参数设置第39-41页
    5.3 实验结果对比第41-50页
        5.3.1 小规模TSP问题的实验结果对比第41-45页
        5.3.2 中规模TSP问题的实验结果对比第45-48页
        5.3.3 大规模TSP问题的实验结果对比第48-50页
    5.4 总体实验数据分析第50-52页
    5.5 本章小节第52-53页
第六章 总结与展望第53-55页
    6.1 主要工作总结第53页
    6.2 未来研究工作第53-55页
参考文献第55-59页
致谢第59-60页
攻读硕士学位期间发表的学术论文目录第60页

论文共60页,点击 下载论文
上一篇:聚类式最小角回归与聚类式坐标下降仿真及实例分析
下一篇:基于微波调制移频的布里渊光时域分析仪关键技术研究