| 中文摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-17页 |
| ·蚁群算法的历史 | 第12-13页 |
| ·蚁群算法的科学意义 | 第13-14页 |
| ·蚁群算法的国内外研究现状 | 第14-15页 |
| ·本文研究内容及成果 | 第15-17页 |
| 第2章 TSP问题和蚁群算法的基本原理 | 第17-27页 |
| ·TSP问题简述 | 第17-18页 |
| ·蚁群算法的基本原理 | 第18-26页 |
| ·蚁群行为描述 | 第18页 |
| ·基本蚁群算法的机制原理 | 第18-19页 |
| ·基本蚁群算法的数学模型 | 第19-21页 |
| ·基本蚁群算法的实现步骤 | 第21-23页 |
| ·基本蚁群算法的性能评价指标 | 第23-24页 |
| ·蚁群优化算法的几个缺陷及一些改进方法 | 第24-26页 |
| ·蚁群优化算法的发展 | 第26-27页 |
| 第3章 基于信息启发式因子α和期望启发式因子β的改进蚁群算法 | 第27-37页 |
| ·引言 | 第27-28页 |
| ·蚁群算法初始化参数α、β、ρ、m对蚁群算法性能的影响 | 第28-29页 |
| ·参数α、β的自适应调整的改进算法 | 第29-30页 |
| ·实验结果与分析 | 第30-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于自适应挥发因子ρ的改进蚁群算法及其收敛性分析 | 第37-47页 |
| ·引言 | 第37页 |
| ·挥发因子ρ自适应调整的蚁群算法原理和流程 | 第37-39页 |
| ·算法收敛性分析 | 第39-42页 |
| ·仿真结果与讨论 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 融合遗传算法的蚁群算法及其收敛性分析 | 第47-60页 |
| ·引言 | 第47页 |
| ·基本遗传算法 | 第47-48页 |
| ·蚁群遗传混合算法原理及流程 | 第48-51页 |
| ·交叉算子 | 第48-49页 |
| ·变异算子 | 第49-50页 |
| ·蚁群遗传混合算法流程 | 第50-51页 |
| ·基于遗传算法的混合蚁群算法收敛性分析 | 第51-53页 |
| ·实验结果与分析 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| ·全文工作总结 | 第60-61页 |
| ·未来展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第69页 |
