K最短路径问题的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状综述 | 第8-10页 |
| 1.3 主要创新与章节安排 | 第10-12页 |
| 1.3.1 主要创新点 | 第10-11页 |
| 1.3.2 章节安排 | 第11-12页 |
| 第二章 K最短路径问题及相关算法 | 第12-18页 |
| 2.1 k最短路径问题 | 第12-13页 |
| 2.2 相关定义与Dijkstra算法 | 第13-15页 |
| 2.2.1 相关定义 | 第13-14页 |
| 2.2.2 Dijkstra算法与分析 | 第14-15页 |
| 2.3 群智能算法简介 | 第15-16页 |
| 2.4 群智能算法的特点 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 K最短路径问题的混合蛙跳算法 | 第18-26页 |
| 3.1 蛙跳算法原理 | 第18-20页 |
| 3.1.1 蛙跳算法基本思想 | 第18页 |
| 3.1.2 蛙跳算法基本过程 | 第18-19页 |
| 3.1.3 蛙跳算法存在的问题 | 第19-20页 |
| 3.2 偏离路径思想 | 第20页 |
| 3.3 混合蛙跳算法描述 | 第20-22页 |
| 3.3.1 个体适应度函数 | 第20-21页 |
| 3.3.2 种群分割方式 | 第21页 |
| 3.3.3 学习策略 | 第21-22页 |
| 3.3.4 算法步骤 | 第22页 |
| 3.4 仿真结果 | 第22-25页 |
| 3.5 本章小结 | 第25-26页 |
| 第四章 K最短路径问题的混合遗传算法 | 第26-34页 |
| 4.1 遗传算法原理 | 第26-28页 |
| 4.1.1 遗传算法的基本思想 | 第26页 |
| 4.1.2 遗传算法的基本步骤 | 第26-27页 |
| 4.1.3 遗传算法存在的问题 | 第27-28页 |
| 4.2 模拟退火算法与Metropolis准则 | 第28页 |
| 4.3 混合遗传算法描述 | 第28-32页 |
| 4.3.1 染色体编码 | 第28-29页 |
| 4.3.2 适应度函数和选择概率 | 第29页 |
| 4.3.3 交叉操作与变异操作 | 第29-30页 |
| 4.3.4 交叉率与变异率的确定 | 第30-31页 |
| 4.3.5 对最优个体进行模拟退火操作 | 第31页 |
| 4.3.6 算法流程 | 第31-32页 |
| 4.4 仿真结果 | 第32-33页 |
| 4.5 本章小结 | 第33-34页 |
| 第五章 基于最小生成树K最短路算法 | 第34-41页 |
| 5.1 基本概念 | 第34页 |
| 5.2 Prim算法 | 第34-36页 |
| 5.3 算法思想 | 第36-37页 |
| 5.4 算法步骤 | 第37页 |
| 5.5 算法的复杂度分析 | 第37-38页 |
| 5.6 算法实例 | 第38-40页 |
| 5.7 本章小结 | 第40-41页 |
| 第六章 总结与展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第46-47页 |
| 致谢 | 第47页 |
