| 内容提要 | 第1-9页 |
| 第1章 绪论 | 第9-17页 |
| ·群体智能模型的雏形 | 第12-15页 |
| ·元胞自动机 | 第12-13页 |
| ·生命游戏 | 第13-14页 |
| ·糖果盘模型 | 第14-15页 |
| ·本文工作 | 第15-17页 |
| 第2章 群体智能优化算法 | 第17-28页 |
| ·蚁群算法 | 第17-20页 |
| ·蚂蚁觅食过程中的最短路径搜索策略 | 第17-18页 |
| ·基本蚂蚁算法模型 | 第18-20页 |
| ·蚂蚁算法的特点 | 第20页 |
| ·粒子群算法 | 第20-23页 |
| ·标准粒子群算法过程 | 第21页 |
| ·粒子群算法的改进 | 第21-22页 |
| ·离散PSO | 第22页 |
| ·在动态环境中的PSO 算法 | 第22-23页 |
| ·粒子群算法的特点 | 第23页 |
| ·基于多Agent 系统的优化算法 | 第23-26页 |
| ·多Agent 模型求解n-queen 问题 | 第24-26页 |
| ·AER 模型求解CSP 问题的一般模型 | 第26页 |
| ·小结 | 第26-28页 |
| 第3章 基于群体智能的人工社会系统 | 第28-37页 |
| ·囚徒困境问题的研究 | 第29-30页 |
| ·基于Agent 的计算经济学 | 第30-32页 |
| ·连续双边拍卖市场 | 第32-34页 |
| ·CDA 市场的定义 | 第32页 |
| ·拍卖市场的分类 | 第32-33页 |
| ·供求曲线与均衡价格 | 第33-34页 |
| ·基于元胞自动机的交通模拟系统 | 第34-36页 |
| ·一维交通流元胞自动机 | 第34页 |
| ·二维交通流元胞自动机 | 第34页 |
| ·交通模拟器GLD | 第34-36页 |
| ·小结 | 第36-37页 |
| 第4章 粒子群优化算法求解旅行商问题 | 第37-47页 |
| ·旅行商问题 | 第37-41页 |
| ·TSP 的研究现状 | 第38-39页 |
| ·TSP 问题的测试用例 | 第39页 |
| ·解的编码方式 | 第39-40页 |
| ·构建TSP 解的方法 | 第40页 |
| ·局部搜索策略 | 第40-41页 |
| ·算法模型 | 第41-45页 |
| ·交换子和交换序 | 第41-43页 |
| ·算法步骤 | 第43-44页 |
| ·局部搜索策略 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第5章 基于多Agent 系统的多目标优化模型 | 第47-61页 |
| ·多目标优化问题 | 第47-54页 |
| ·非劣最优解 | 第48-49页 |
| ·传统的多目标优化方法 | 第49-51页 |
| ·多目标进化算法 | 第51-54页 |
| ·多Agent 优化模型 | 第54-57页 |
| ·模型介绍 | 第54-56页 |
| ·算法描述 | 第56-57页 |
| ·实验结果 | 第57-60页 |
| ·测试函数1 | 第57-58页 |
| ·测试函数2 | 第58页 |
| ·测试函数3 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第6章 基于多Agent 系统的CDA 市场研究 | 第61-79页 |
| ·CDA 市场报价策略 | 第61-68页 |
| ·ZI 模型 | 第62-64页 |
| ·GD 模型 | 第64-66页 |
| ·GDX 模型 | 第66-68页 |
| ·模型描述 | 第68-72页 |
| ·环境 | 第69页 |
| ·市场中的Agent | 第69-70页 |
| ·效用函数 | 第70页 |
| ·生产能力 | 第70页 |
| ·生产决定 | 第70-71页 |
| ·交易 | 第71页 |
| ·交易策略 | 第71页 |
| ·价格的决定机制 | 第71页 |
| ·交易和生产间的劳动的分配 | 第71-72页 |
| ·算法流程 | 第72页 |
| ·实验现象 | 第72-77页 |
| ·价格的平衡 | 第72-73页 |
| ·价格调整 | 第73-74页 |
| ·交易能力 | 第74-76页 |
| ·分工的出现 | 第76-77页 |
| ·商人的出现 | 第77页 |
| ·小结 | 第77-79页 |
| 第7章 基于元胞自动机的交通信号灯控制策略的模拟与研究 | 第79-99页 |
| ·背景介绍 | 第79页 |
| ·元胞自动机的交通模拟 | 第79-80页 |
| ·信号灯控制算法 | 第80-83页 |
| ·固定周期的控制策略 | 第80-81页 |
| ·最长等待队列及相对最长等待队列算法 | 第81页 |
| ·收益桶算法 | 第81页 |
| ·强化学习算法 | 第81-83页 |
| ·遗传算法与神经网络算法 | 第83页 |
| ·不确定信息下TLC 策略的模拟与分析 | 第83-89页 |
| ·控制策略的信息不确定化 | 第84页 |
| ·实验对象选取 | 第84页 |
| ·车辆目的地的分布 | 第84-85页 |
| ·交通流密度 | 第85页 |
| ·实验结果 | 第85-86页 |
| ·确定信息下的比较与分析 | 第86-87页 |
| ·不确定信息下的比较与分析 | 第87-89页 |
| ·双环路中信号灯同步方法的研究 | 第89-98页 |
| ·模型 | 第90-92页 |
| ·模拟实验结果与分析 | 第92-98页 |
| ·小结 | 第98-99页 |
| 第8章 总结和展望 | 第99-101页 |
| ·本文的主要贡献 | 第99-100页 |
| ·进一步的工作 | 第100-101页 |
| 参考文献 | 第101-109页 |
| 博士期间发表的论文及其他成果 | 第109-111页 |
| 致谢 | 第111-112页 |
| 论文摘要 | 第112-115页 |
| Abstract | 第115-117页 |