| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·引言 | 第10页 |
| ·国内外研究现状 | 第10-14页 |
| ·蚁群算法理论研究现状 | 第10-11页 |
| ·蚁群算法的应用研究现状 | 第11-14页 |
| ·本文研究内容及研究成果 | 第14-15页 |
| 第二章 蚁群算法综述 | 第15-20页 |
| ·蚁群算法基本原理 | 第15-16页 |
| ·基本蚁群算法的模型及在TSP问题中的实现 | 第16-17页 |
| ·蚁群算法求解TSP问题的算法流程图 | 第17-18页 |
| ·基本蚁群算法的优点与不足之处 | 第18-19页 |
| ·蚁群算法的优点 | 第18-19页 |
| ·蚁群算法的不足 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 蚁群算法的改进 | 第20-29页 |
| ·几种改进的蚁群算法 | 第20-26页 |
| ·最优解保留策略蚂蚁系统 | 第20页 |
| ·Ant Colony System | 第20-22页 |
| ·Max-Min Ant System | 第22页 |
| ·Rank-based Version of Ant System,As-rank | 第22-23页 |
| ·具有变异特征的蚁群算法 | 第23-25页 |
| ·其他改进蚁群算法 | 第25-26页 |
| ·几种蚁群算法的比较 | 第26-27页 |
| ·人工蚂蚁与真实蚂蚁的异同 | 第27-28页 |
| ·人工蚂蚁与真实蚂蚁的共同点 | 第27-28页 |
| ·人工蚂蚁与真实蚂蚁的不同点 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第四章 蚁群算法参数设置及与FCM算法的融合 | 第29-40页 |
| ·基本蚁群算法参数设置 | 第29-33页 |
| ·参数α和β对算法性能的影响分析 | 第29-30页 |
| ·参数m对算法性能的影响分析 | 第30-32页 |
| ·参数ρ对算法性能的影响分析 | 第32-33页 |
| ·参数Q对算法性能的影响分析 | 第33页 |
| ·ACO与FCM的混合 | 第33-39页 |
| ·模糊集基本知识 | 第33页 |
| ·K均值聚类算法(HCM)介绍 | 第33-35页 |
| ·模糊C均值聚类 | 第35-36页 |
| ·FCM算法的应用 | 第36-37页 |
| ·ACO-FCM混合算法 | 第37-38页 |
| ·算法流程 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 蚁群算法在多机器人协作路径规划中的应用 | 第40-51页 |
| ·多机器人系统 | 第40-41页 |
| ·多机器人技术研究意义 | 第40页 |
| ·多机器人协作 | 第40-41页 |
| ·多机器人路径规划 | 第41-45页 |
| ·路径规划定义 | 第41页 |
| ·多机器人路径规划 | 第41-42页 |
| ·常用路径规划方法 | 第42-45页 |
| ·基于ACS算法的多机器人协作路径规划 | 第45-48页 |
| ·仿真研究 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 蚁群算法在彩色图像分割中的应用 | 第51-62页 |
| ·图像分割简介 | 第51页 |
| ·彩色图像分割 | 第51-52页 |
| ·经典彩色图像分割方法 | 第52-55页 |
| ·颜色空间的选择 | 第52-53页 |
| ·分割策略 | 第53-55页 |
| ·与其它理论结合的分割技术 | 第55-56页 |
| ·基于随机场模型的技术 | 第55页 |
| ·基于模糊集合理论的彩色图像分割技术 | 第55页 |
| ·基于小波的彩色图像分割技术 | 第55-56页 |
| ·基于神经网络的技术 | 第56页 |
| ·基于物理模型的方法 | 第56页 |
| ·混和技术 | 第56页 |
| ·基于ACO-FCM算法的彩色图像分割 | 第56-61页 |
| ·蚁群聚类 | 第56-57页 |
| ·FCM算法 | 第57-58页 |
| ·ACO-FCM彩色图像分割流程 | 第58-59页 |
| ·仿真结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的论文 | 第74页 |