| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 多目标旅行商问题 | 第10-11页 |
| 1.3 多目标蚁群优化算法模型 | 第11-13页 |
| 1.4 研究现状与动态 | 第13-15页 |
| 1.5 本文工作及组织结构 | 第15-16页 |
| 第2章 相关多目标蚁群算法比较分析 | 第16-42页 |
| 2.1 多目标蚁群算法(MOACO) | 第16-20页 |
| 2.1.1 多目标蚁群优化算法(MOACO)中构造解组件 | 第16-17页 |
| 2.1.2 MOACO算法中信息素更新组件 | 第17-18页 |
| 2.1.3 MOACO算法多群组件 | 第18页 |
| 2.1.4 多目标蚁群优化(MOACO)算法框架 | 第18-20页 |
| 2.2 基于分解的多目标蚁群算法 | 第20-24页 |
| 2.2.1 问题定义 | 第21页 |
| 2.2.2 多目标优化问题(MOP)的分解 | 第21页 |
| 2.2.3 MOEA/D-ACO算法 | 第21-23页 |
| 2.2.4 MOACO/D算法 | 第23-24页 |
| 2.3 多目标蚁群算法的评价机制 | 第24-32页 |
| 2.3.1 评价机制所需的相关理论基础 | 第25-27页 |
| 2.3.2 评价机制中相关工具介绍 | 第27-30页 |
| 2.3.3 质量指标 | 第30-32页 |
| 2.3.3.1 超体积指标 | 第30页 |
| 2.3.3.2 参考点和参考集 | 第30-31页 |
| 2.3.3.3 质量指标分析 | 第31-32页 |
| 2.4 实验比对分析 | 第32-41页 |
| 2.4.1 参数设置 | 第32-34页 |
| 2.4.2 bTSP问题的实验比对分析 | 第34-41页 |
| 2.4.2.1 bTSP实验用例 | 第34页 |
| 2.4.2.2 算法的收敛性分析 | 第34-35页 |
| 2.4.3.3 基于H~-指标算法的比较 | 第35-41页 |
| 2.4.3.4 近似Pareto前沿 | 第41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 融合负反馈信息的多目标蚁群优化算法 | 第42-58页 |
| 3.1 NMOACO/D算法基本思想 | 第42-45页 |
| 3.2 NMOACO/D算法模型 | 第45-47页 |
| 3.3 NMOACO/D算法描述 | 第47-49页 |
| 3.4 实验比较分析 | 第49-57页 |
| 3.4.1 参数调整 | 第49-50页 |
| 3.4.2 NMOACO/D算法的收敛性分析 | 第50页 |
| 3.4.3 基于H~-指标算法的比较 | 第50-57页 |
| 3.4.4 近似Pareto前沿 | 第57页 |
| 3.5 本章小结 | 第57-58页 |
| 第4章 自适应信息素选择多目标优化算法 | 第58-74页 |
| 4.1 SNMOACO/D算法基本思想 | 第58-61页 |
| 4.2 SNMOACO/D算法模型 | 第61-62页 |
| 4.2.1 多群体的设定 | 第61页 |
| 4.2.2 概率状态转移(PSW) | 第61页 |
| 4.2.3 更新正反馈信息素 | 第61-62页 |
| 4.3 SNMOACO/D算法描述 | 第62-63页 |
| 4.4 实验结果比较与分析 | 第63-73页 |
| 4.4.1 SNMOACO/D算法的收敛性分析 | 第63页 |
| 4.4.2 SNMOACO/D算法的性能分析 | 第63-73页 |
| 4.4.2.1 基于H~-指标对比分析 | 第64-72页 |
| 4.4.2.2 近似Pareto前沿 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第5章 结论与展望 | 第74-76页 |
| 5.1 主要贡献与结论 | 第74页 |
| 5.2 未来研究展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 实验分析图表 | 第80-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士期间科研及发表论文情况 | 第88页 |