粒子群融合的蚁群优化算法的研究及其在工商巡查调度中的实践
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·工商巡查调度技术 | 第10-11页 |
| ·蚁群优化算法 | 第11-12页 |
| ·粒子群算法 | 第12-13页 |
| ·研究内容 | 第13页 |
| ·章节安排 | 第13-15页 |
| 第2章 工商巡查调度问题 | 第15-20页 |
| ·工商巡查调度问题描述 | 第15页 |
| ·基于模糊聚类的需求点确定 | 第15-18页 |
| ·需求点影响因素分析 | 第15-16页 |
| ·需求点确定 | 第16-18页 |
| ·工商巡查调度模型 | 第18页 |
| ·体系流程分析 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 蚁群优化算法改进 | 第20-35页 |
| ·蚁群优化算法简介 | 第20-22页 |
| ·其他的蚁群优化算法 | 第22-23页 |
| ·蚁群系统 | 第22页 |
| ·最大最小蚂蚁系统 | 第22-23页 |
| ·基于MST的蚁群算法的改进思想 | 第23-25页 |
| ·改进策略 | 第25-27页 |
| ·基于MST的路径选择策略 | 第26页 |
| ·信息素更新策略 | 第26-27页 |
| ·局部搜索策略 | 第27页 |
| ·算法流程 | 第27-30页 |
| ·主要实现步骤 | 第27-28页 |
| ·实现过程 | 第28-30页 |
| ·实验结果分析 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 粒子群与蚁群优化算法的融合 | 第35-46页 |
| ·参数对蚁群算法的影响 | 第35-39页 |
| ·信息启发式因子 | 第35-36页 |
| ·期望启发式因子 | 第36-37页 |
| ·信息素挥发因子 | 第37-38页 |
| ·组合参数 | 第38页 |
| ·当前参数设定策略 | 第38-39页 |
| ·粒子群算法的参数优化 | 第39页 |
| ·粒子群算法 | 第39-41页 |
| ·粒子群算法模型 | 第39-40页 |
| ·粒子群算法流程 | 第40-41页 |
| ·粒子群与蚁群算法的融合实现 | 第41-44页 |
| ·融合参数设置 | 第41页 |
| ·融合算法实现 | 第41-44页 |
| ·实验分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 蚁群优化算法在工商巡查调度技术中的实践 | 第46-62页 |
| ·关键技术 | 第46-51页 |
| ·工商巡查调度 | 第51-55页 |
| ·巡查点数据获取 | 第55-58页 |
| ·蚁群算法在工商巡查调度的应用 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·进一步的工作 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-70页 |
| 详细摘要 | 第70-72页 |
