蚁群算法的改进及其在聚类分析中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外研究进展 | 第10-12页 |
| ·蚁群算法研究进展 | 第10页 |
| ·聚类算法研究进展 | 第10-12页 |
| ·论文研究内容和组织结构 | 第12-13页 |
| 第2章 蚁群算法及单一群智能聚类 | 第13-28页 |
| ·基本蚁群算法 | 第13-16页 |
| ·基本蚁群算法(ACO)的原理 | 第13页 |
| ·基本蚁群算法的数学模型和实现过程 | 第13-15页 |
| ·基本蚁群算法的优缺点 | 第15-16页 |
| ·单一群智能聚类优化 | 第16-28页 |
| ·聚类分析概述 | 第16-20页 |
| ·基于遗传算法的聚类分类 | 第20-22页 |
| ·基于蚁群算法的聚类分类 | 第22-25页 |
| ·基于粒子群算法的聚类分类 | 第25-26页 |
| ·单一群智能聚类优缺点 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 信息素动态混合更新的改进蚁群算法 | 第28-35页 |
| ·蚁群系统 | 第28-29页 |
| ·最大—最小蚁群算法 | 第29-30页 |
| ·信息素动态混合更新的改进蚁群算法 | 第30-34页 |
| ·ACS 和MMAS 的不足 | 第30页 |
| ·蚁群优化的改进策略 | 第30-32页 |
| ·改进蚁群算法伪代码 | 第32页 |
| ·对TSP 问题的仿真结果与分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于混合交叉因子的混合蚁群聚类优化 | 第35-47页 |
| ·蚁群聚类融合算法 | 第35-36页 |
| ·基于混合交叉因子的蚁群聚类分析 | 第36-43页 |
| ·改进的混合的交叉因子 | 第36-40页 |
| ·自适应变异算子设计 | 第40-41页 |
| ·蚂蚁移动相关公式 | 第41-42页 |
| ·算法步骤及流程图 | 第42-43页 |
| ·实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| ·研究工作总结 | 第47-48页 |
| ·今后工作展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录 A 攻读硕士学位期间录用的论文 | 第54页 |
