| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究工作背景与意义 | 第12-14页 |
| 1.1.1 Bayesian网的最优树分解 | 第12-13页 |
| 1.1.2 Bayesian网的最优树分解分类 | 第13-14页 |
| 1.2 Bayesian网的最优树分解研究现状 | 第14-21页 |
| 1.2.1 treewidth问题研究现状 | 第14-18页 |
| 1.2.2 weighted treewidth和treecost问题研究现状 | 第18-21页 |
| 1.3 本文工作及组织结构 | 第21-23页 |
| 第2章 研究基础概述 | 第23-44页 |
| 2.1 Bayesian网及其树分解问题描述 | 第23-29页 |
| 2.1.1 Bayesian网 | 第23-25页 |
| 2.1.2 消去排序、三角化和树分解 | 第25-29页 |
| 2.2 研究方法概述 | 第29-43页 |
| 2.2.1 模拟退火算法 | 第29-31页 |
| 2.2.2 遗传算法 | 第31-33页 |
| 2.2.3 微分进化算法 | 第33-35页 |
| 2.2.4 粒子群优化方法 | 第35-37页 |
| 2.2.5 蚁群优化方法 | 第37-39页 |
| 2.2.6 人工蜂群算法 | 第39-41页 |
| 2.2.7 协同进化方法 | 第41-43页 |
| 2.3 本章小结 | 第43-44页 |
| 第3章 树分解与消去排序、三角化的关系 | 第44-64页 |
| 3.1 集合的分解 | 第44-50页 |
| 3.2 集合的树分解 | 第50-54页 |
| 3.3 最优三角化 | 第54-55页 |
| 3.4 最优树分解 | 第55-58页 |
| 3.5 最优消去排序 | 第58-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第4章 treecost问题的启发式和迭代搜索求解方法 | 第64-82页 |
| 4.1 启发式策略 | 第64-65页 |
| 4.1.1 求解消去排序的启发式 | 第64-65页 |
| 4.1.2 求解三角化的启发式 | 第65页 |
| 4.2 迭代局部搜索方法IRT和FAST-IRT | 第65-69页 |
| 4.3 多启发式搜索方法kHR | 第69-70页 |
| 4.4 实验测试与算法对比 | 第70-80页 |
| 4.4.1 实验数据 | 第71页 |
| 4.4.2 参数测试 | 第71-76页 |
| 4.4.3 算法对比分析 | 第76-80页 |
| 4.5 本章小结 | 第80-82页 |
| 第5章 treecost问题的蚁群优化求解方法 | 第82-109页 |
| 5.1 混合蚁群方法MMMAS-SA | 第82-86页 |
| 5.1.1 改进的极大极小蚁群系统——MMMAS | 第82-84页 |
| 5.1.2 用复合式模拟退火增强MMMAS | 第84-86页 |
| 5.2 多启发式协作自适应蚁群算法 | 第86-92页 |
| 5.2.1 多启发式协作机制 | 第86-89页 |
| 5.2.2 动态设定阈值q_0 | 第89页 |
| 5.2.3 MHC-ACS算法描述 | 第89-92页 |
| 5.3 实验测试与算法对比 | 第92-108页 |
| 5.3.1 实验数据 | 第92页 |
| 5.3.2 MMMAS-SA参数测试 | 第92-98页 |
| 5.3.3 MHC-ACS参数测试 | 第98-106页 |
| 5.3.4 算法对比分析 | 第106-108页 |
| 5.4 本章小结 | 第108-109页 |
| 第6章 treecost问题的协同进化求解方法 | 第109-131页 |
| 6.1 协同进化框架FGCC和VNGCC | 第109-115页 |
| 6.1.1 基于固定分组方案的协同进化框架 | 第109-112页 |
| 6.1.2 基于变邻域分组方案的协同进化框架 | 第112-115页 |
| 6.2 基于遗传算法的基本求解器DGHGA | 第115-119页 |
| 6.2.1 复合启发式变异 | 第115-116页 |
| 6.2.2 利用群体多样性判定和控制算法的停滞和收敛 | 第116-117页 |
| 6.2.3 基于多样性和启发式的遗传求解器DGHGA | 第117-119页 |
| 6.3 基于粒子群方法的基本求解器MDPSO | 第119-121页 |
| 6.4 基于微分进化方法的基本求解器DDE | 第121-123页 |
| 6.5 实验测试与算法对比 | 第123-130页 |
| 6.5.1 各变量分组方案测试对比 | 第123-126页 |
| 6.5.2 算法对比分析 | 第126-130页 |
| 6.6 本章小结 | 第130-131页 |
| 第7章 treewidth问题的人工蜂群求解方法 | 第131-147页 |
| 7.1 算法描述 | 第131-139页 |
| 7.2 实验测试与算法对比 | 第139-146页 |
| 7.2.1 IDABC参数测试 | 第140-145页 |
| 7.2.2 与Tabu TW、QuickBB、GA-tw、IHA的对比 | 第145-146页 |
| 7.2.3 与SAS、EAS、RAS、MAS、ACS的对比 | 第146页 |
| 7.3 本章小结 | 第146-147页 |
| 第8章 结论与展望 | 第147-149页 |
| 参考文献 | 第149-158页 |
| 作者简介及科研成果 | 第158-161页 |
| 致谢 | 第161页 |
