群智能算法的研究与应用--基于求解矩形优化排样问题
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·研究背景及选题意义 | 第7-8页 |
| ·研究现状和趋势 | 第8-9页 |
| ·本文的研究内容 | 第9页 |
| ·论文结构 | 第9-10页 |
| 第二章 矩形优化排样问题研究 | 第10-28页 |
| ·排样问题概述 | 第10-11页 |
| ·优化排样问题的应用范围 | 第10页 |
| ·排样问题的类型 | 第10-11页 |
| ·排样问题的复杂性 | 第11页 |
| ·矩形布局排放规则 | 第11-15页 |
| ·BL算法 | 第12页 |
| ·BLF算法 | 第12-13页 |
| ·下台阶算法 | 第13页 |
| ·最低水平线算法 | 第13-14页 |
| ·DP算法 | 第14页 |
| ·剩余矩形法 | 第14-15页 |
| ·蚁群算法理论 | 第15-23页 |
| ·蚁群算法的提出与发展 | 第15-16页 |
| ·基本蚁群行为研究 | 第16-18页 |
| ·基本蚂蚁算法的机制原理 | 第18-19页 |
| ·基本蚁群算法的数学模型 | 第19-21页 |
| ·蚁群系统 | 第21-22页 |
| ·最大最小蚂蚁系统 | 第22-23页 |
| ·粒子群算法概述 | 第23-27页 |
| ·粒子群算法的提出和发展 | 第23-24页 |
| ·算法原理 | 第24页 |
| ·算法步骤和流程 | 第24-26页 |
| ·PSO算法的两种基本进化模型 | 第26页 |
| ·带惯性权重的微粒群算法 | 第26页 |
| ·量子行为粒子群算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 求解矩形件布局问题的蚁群算法 | 第28-42页 |
| ·矩形件优化布局的蚁群算法设计 | 第28-31页 |
| ·适应度函数 | 第28-29页 |
| ·编码 | 第29页 |
| ·信息素初始化 | 第29页 |
| ·矩形件优化排样中的蚁群算法规则 | 第29-30页 |
| ·求解算法及步骤 | 第30-31页 |
| ·参数选择 | 第31-34页 |
| ·蚂蚁数m的选择 | 第32-33页 |
| ·信息素残留因子对蚁群算法性能的影响 | 第33页 |
| ·启发式因子α以及β | 第33-34页 |
| ·蚁群算法参数最优组合方法 | 第34页 |
| ·实验仿真 | 第34-41页 |
| ·第一组算例 | 第34-37页 |
| ·第二组算例 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 群智能算法求解切割问题研究 | 第42-50页 |
| ·切割问题工艺约束 | 第42-43页 |
| ·基于QPSO-ACO算法求解切割问题 | 第43-48页 |
| ·QPSO-ACO算法的提出 | 第43页 |
| ·切割问题转化TsP问题 | 第43-44页 |
| ·QPSO-ACO算法中QPSO算法的设计 | 第44-46页 |
| ·QPSO-ACO算法中AcO的设计 | 第46页 |
| ·QPSO-ACO算法步骤 | 第46-48页 |
| ·实验结果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-51页 |
| ·总结 | 第50页 |
| ·展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第55页 |
