| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·论文的研究背景与意义 | 第9-12页 |
| ·背景与研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的主要研究内容 | 第12页 |
| ·本文的组织结构 | 第12-15页 |
| 第2章 人工蜂群算法及其求解问题描述 | 第15-21页 |
| ·人工蜂群算法 | 第15-17页 |
| ·人工蜂群算法基本思想 | 第15-16页 |
| ·人工蜂群算法框架 | 第16-17页 |
| ·多维背包问题 | 第17-18页 |
| ·贝叶斯网结构的学习及K2 评分 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第3章 基于引导素更新和扩散机制的MKP的人工蜂群算法 | 第21-37页 |
| ·相关背景 | 第21-23页 |
| ·基本人工蜂群算法求解多维背包问题 | 第21-22页 |
| ·蜂群引导素的通信机理 | 第22-23页 |
| ·算法描述 | 第23-27页 |
| ·解的构建和引导素的更新策略 | 第23-24页 |
| ·引导素的扩散策略 | 第24-25页 |
| ·算法流程与分析 | 第25-27页 |
| ·实验结果与分析 | 第27-36页 |
| ·引导素的更新与扩散机制对算法的影响 | 第27-29页 |
| ·参数选择对算法的影响 | 第29-32页 |
| ·与基本人工蜂群算法的解性能比较 | 第32-35页 |
| ·与经典随机算法的解性能比较 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于精英机制和人工蜂群优化的MKP求解算法 | 第37-45页 |
| ·算法思想 | 第37-38页 |
| ·侦察蜂行为中的精英机制 | 第37页 |
| ·邻居食物源定义方法的改进 | 第37-38页 |
| ·算法描述 | 第38-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·两种策略对算法的影响 | 第39-41页 |
| ·总体性能 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第5章 基于人工蜂群优化的贝叶斯网结构学习算法 | 第45-55页 |
| ·算法思想 | 第45-48页 |
| ·解的创建 | 第45页 |
| ·引导素及其更新规则 | 第45-46页 |
| ·选择食物源的概率 | 第46页 |
| ·邻居解的定义 | 第46-48页 |
| ·算法描述 | 第48-49页 |
| ·实验结果及其分析 | 第49-53页 |
| ·与其它算法的解性能比较 | 第50-51页 |
| ·参数选择对算法的影响 | 第51-53页 |
| ·算法在ALARM网的不同规模事例中的性能表现 | 第53页 |
| ·本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间所发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |