| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文的主要工作内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第2章 P2P技术和应用层组播技术 | 第18-25页 |
| 2.1 P2P技术概述 | 第18-19页 |
| 2.2 P2P组织结构 | 第19-20页 |
| 2.2.1 P2P与应用层网络 | 第19-20页 |
| 2.2.2 无结构的P2P网络 | 第20页 |
| 2.2.3 有结构的P2P网络 | 第20页 |
| 2.3 应用层组播研究现状 | 第20-24页 |
| 2.3.1 应用层组播技术概述 | 第20-21页 |
| 2.3.2 应用层组播的分类 | 第21-22页 |
| 2.3.3 应用层组播模型的构建 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 蚁群算法概述 | 第25-30页 |
| 3.1 蚁群算法起源和基本原理 | 第25-26页 |
| 3.2 蚁群算法发展 | 第26-29页 |
| 3.2.1 蚂蚁系统 | 第26-28页 |
| 3.2.2 精华蚂蚁系统 | 第28页 |
| 3.2.3 排列蚂蚁系统 | 第28-29页 |
| 3.3 蚁群算法解决度约束最小生成树问题 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于蚁群算法的度约束最小生成树的构建 | 第30-53页 |
| 4.1 算法基本思想 | 第30-37页 |
| 4.1.1 算法的初始化 | 第31页 |
| 4.1.2 基于树生长的蚁群构建解过程 | 第31-33页 |
| 4.1.3 局部搜索操作 | 第33-35页 |
| 4.1.4 信息素的更新 | 第35-36页 |
| 4.1.5 算法的终止条件 | 第36页 |
| 4.1.6 算法的具体步骤 | 第36-37页 |
| 4.2 实验仿真和结果分析 | 第37-51页 |
| 4.2.1 仿真环境 | 第37-40页 |
| 4.2.2 实验结果及分析 | 第40-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第5章 分布估计算法概述 | 第53-60页 |
| 5.1 分布估计算法的起源和进展 | 第53-54页 |
| 5.2 分布估计算法基本原理 | 第54-56页 |
| 5.2.1 算法流程 | 第54-55页 |
| 5.2.2 分布估计算法的流程图 | 第55-56页 |
| 5.3 分布估计算法概率模型的改进 | 第56-58页 |
| 5.3.1 链式概率模型 | 第56-57页 |
| 5.3.2 树状概率模型 | 第57-58页 |
| 5.3.3 贝叶斯网络概率模型 | 第58页 |
| 5.4 混合分布估计算法 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 改进分布估计算法在求解度约束最小生成树中的应用 | 第60-70页 |
| 6.1 算法的基本思路 | 第60-62页 |
| 6.1.1 初始种群的初始化 | 第60-61页 |
| 6.1.2 概率模型的构建 | 第61页 |
| 6.1.3 算法步骤 | 第61-62页 |
| 6.2 实验结果 | 第62-69页 |
| 6.3 本章小结 | 第69-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 7.1 总结 | 第70-71页 |
| 7.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文目录 | 第79-80页 |
| 在读期间参与的科研项目情况 | 第80-81页 |
| 学位论文评阅及答辩情况表 | 第81页 |