群智能算法的改进及其在相关领域中的应用
| 内容提要 | 第1-8页 |
| 第1章 绪论 | 第8-20页 |
| ·研究背景 | 第8-13页 |
| ·蚁群算法的产生和发展 | 第9-10页 |
| ·蚁群算法的研究进展 | 第10-13页 |
| ·研究的目的和意义以及内容 | 第13-16页 |
| ·蚁群算法的优点 | 第14-15页 |
| ·蚁群算法的不足和改进目标 | 第15-16页 |
| ·改进方法和内容 | 第16-17页 |
| ·论文的组织结构 | 第17-20页 |
| 第2章 智能计算方法 | 第20-42页 |
| ·常见的几种智能计算方法 | 第22-29页 |
| ·神经网络 | 第22-23页 |
| ·进化计算 | 第23-25页 |
| ·免疫算法 | 第25-26页 |
| ·模拟退火 | 第26-27页 |
| ·群智能算法简介 | 第27-29页 |
| ·蚁群算法 | 第29-34页 |
| ·蚁群算法产生 | 第31-32页 |
| ·基本蚁群算法的实现 | 第32-34页 |
| ·算法分析 | 第34页 |
| ·粒子群算法 | 第34-37页 |
| ·PSO 算法原理 | 第35-36页 |
| ·PSO 算法流程 | 第36页 |
| ·PSO 算法分析 | 第36-37页 |
| ·蚁群算法与其他优化算法的比较 | 第37-40页 |
| ·蚁群算法与遗传算法的比较 | 第37-38页 |
| ·蚁群算法与粒子群算法的比较 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第3章 改进的蚁群算法及其实现 | 第42-60页 |
| ·改进的蚁群算法的思想 | 第42-47页 |
| ·优化选路策略的原理 | 第43-44页 |
| ·带个体差异的蚁群算法的思想 | 第44-47页 |
| ·改进的蚁群算法在组合优化问题上的实现 | 第47-51页 |
| ·改进的蚁群算法在经典旅行商问题上的实现 | 第47-49页 |
| ·改进的蚁群算法在多点路由上的实现 | 第49-51页 |
| ·模拟实验 | 第51-58页 |
| ·改进的蚁群算法在经典旅行商问题上的应用结果 | 第51-56页 |
| ·改进的蚁群算法在多点路由问题上的模拟实验结果 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第4章 基于PSO/ACO的混合算法的实现 | 第60-70页 |
| ·蚁群算法中的常用参数设定方法 | 第60-63页 |
| ·城市规模参数m 对解的影响分析 | 第62页 |
| ·常量参数Q 对解的影响分析 | 第62-63页 |
| ·信息量消散参数ρ对解的影响分析 | 第63页 |
| ·基于PSO 算法的蚁群算法的参数调节 | 第63-65页 |
| ·模拟实现 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 第5章 蚁群算法在生物信息学上的应用研究 | 第70-94页 |
| ·相关工作 | 第70-75页 |
| ·压缩全文索引结构在生物序列上的应用 | 第75-85页 |
| ·基本定义 | 第76-78页 |
| ·大字母表字符串上的Rank、Select 函数 | 第78-84页 |
| ·实验与结果分析 | 第84-85页 |
| ·生物信息学中的基序（motif）寻找问题 | 第85-89页 |
| ·基序发现问题的建模 | 第86-87页 |
| ·得分函数介绍 | 第87页 |
| ·基序发现问题的常见搜索方法 | 第87-89页 |
| ·改进的蚁群算法在基序寻找问题上的应用 | 第89-93页 |
| ·混合算法在motif 识别问题上的应用 | 第89-91页 |
| ·实验模拟 | 第91-93页 |
| ·小结 | 第93-94页 |
| 第6章 结论 | 第94-96页 |
| 参考文献 | 第96-107页 |
| 攻读博士学位期间发表的学术论文及取得的科研成果 | 第107-109页 |
| 致谢 | 第109-110页 |
| 摘要 | 第110-112页 |
| Abstract | 第112-114页 |
