| 第一章 引言 | 第1-19页 |
| ·群集智能算法简介 | 第7-10页 |
| ·群集智能算法的研究现状 | 第7-8页 |
| ·群集智能算法的基本思想 | 第8-9页 |
| ·群集智能算法的原理 | 第9-10页 |
| ·群集智能算法的展望 | 第10页 |
| ·蚁群算法简介 | 第10-13页 |
| ·蚁群算法的基本思想 | 第10-11页 |
| ·蚁群算法的基本步骤 | 第11页 |
| ·蚁群算法的特点 | 第11-13页 |
| ·蚁群算法的应用情况 | 第13页 |
| ·粒子群优化算法(PARTICLE SWARM OPTIMIZATION) | 第13-16页 |
| ·PSO 的前期研究 | 第14页 |
| ·标准PSO | 第14-15页 |
| ·PSO 的应用范围 | 第15-16页 |
| ·课题研究的意义 | 第16-17页 |
| ·本文的主要工作 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·章节一览 | 第18-19页 |
| 第二章 二次分配问题 | 第19-24页 |
| ·组合优化问题 | 第19-20页 |
| ·二次分配问题 | 第20-24页 |
| ·问题描述 | 第20-21页 |
| ·问题分析 | 第21页 |
| ·QAP 问题的分类 | 第21-22页 |
| ·关于QAP 问题的研究 | 第22-24页 |
| 第三章 动态自适应蚁群算法在二次分配问题中的应用 | 第24-33页 |
| ·动态自适应蚁群算法的引入 | 第24-25页 |
| ·自适应的信息素更新策略 | 第25-26页 |
| ·信息素矩阵的初始化 | 第26-27页 |
| ·局部搜索算法 | 第27页 |
| ·用3-OPT方法优化当前解 | 第27-28页 |
| ·算法过程描述 | 第28-29页 |
| ·实验与分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 二次分配问题的粒子群算法求解 | 第33-41页 |
| ·内容提要 | 第33页 |
| ·空间转换 | 第33-36页 |
| ·QAP 问题的搜索空间描述 | 第34页 |
| ·QAP 问题的空间描述 | 第34页 |
| ·搜索空间到问题空间的映射 | 第34-36页 |
| ·算法描述 | 第36-37页 |
| ·算法中涉及到的参数分析 | 第37-38页 |
| ·惯性权重 | 第37页 |
| ·学习因子 | 第37页 |
| ·最大速度 | 第37-38页 |
| ·群体规模和粒子的维度 | 第38页 |
| ·实验结果及分析 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第五章 论文总结与展望 | 第41-44页 |
| ·论文的总结 | 第41-42页 |
| ·下一步工作展望 | 第42-44页 |
| 硕士期间发表和投稿的论文 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 摘要 | 第49-52页 |
| ABSTRACT | 第52-56页 |
| 致谢 | 第56页 |