首页--交通运输论文--水路运输论文--各种船舶论文--军用舰艇(战舰)论文--潜水艇论文

基于改进蚁群算法的潜艇航路规划方法研究

摘要第1-9页
ABSTRACT第9-10页
第一章 绪论第10-21页
   ·潜艇航路规划的背景和意义第10-13页
     ·潜艇航路规划在现代海战中的作用第10-12页
     ·研究潜艇航路规划的意义第12-13页
   ·研究现状及发展第13-17页
     ·基于动态规划的潜艇最佳航路设计第14页
     ·采用粒子群优化算法进行航路规划第14-15页
     ·基于遗传算法的潜艇航路规划方法第15-16页
     ·基于蚁群算法的航路规划方法第16-17页
   ·研究内容与思路第17-19页
   ·论文的组织结构第19-21页
第二章 蚁群算法基础第21-37页
   ·常用的多目标优化算法第21-24页
   ·蚁群算法在航路规划问题中的优势第24-25页
   ·蚁群算法原理第25-32页
     ·蚁群行为描述第25-27页
     ·蚁群算法的思想第27-28页
     ·蚁群算法在经典TSP 问题中的应用实例第28-32页
   ·几种改进的蚁群算法第32-35页
     ·将遗传算法思想引入蚁群算法中第32-33页
     ·基于蚁群与鱼群的混合优化算法第33-34页
     ·MAF-蚁群算法第34-35页
   ·本章小结第35-37页
第三章 基于海洋环境的潜艇航路动态生成方法第37-58页
   ·潜艇航路规划评价体系第37-40页
     ·潜艇航路优劣的评价体系第37-39页
     ·潜艇航路规划的原则第39-40页
   ·海洋环境对潜艇航路规划的影响分析第40-45页
   ·面向海洋环境的潜艇航路动态生成算法第45-55页
     ·网格的划分第46-47页
     ·网格的适航性判断第47-50页
     ·网格八个方向通行性的判定第50-51页
     ·网格连通性的判断第51-54页
     ·基于海洋环境的潜艇航路动态生成方法第54-55页
   ·实例分析第55-57页
   ·本章小结第57-58页
第四章 基于改进蚁群算法的潜艇航路规划优选方法第58-73页
   ·问题提出第58-59页
   ·改进的Multi-Agent Foraging-蚁群算法第59-64页
     ·MAF-ACO 中提出的2 个新策略第59-61页
     ·MAF-蚁群算法在多阶段最短路径问题中的应用第61页
     ·MAF-蚁群算法的改进第61-64页
   ·基于改进MAF-蚁群算法的潜艇航路规划方法第64-71页
     ·潜艇航路规划模型的建立第64-65页
     ·基于海洋环境影响的改进MAF-蚁群算法第65-69页
     ·基于改进蚁群算法的潜艇航路规划方法第69-71页
   ·本章小结第71-73页
第五章 潜艇航路规划算法的实验与分析第73-81页
   ·案例说明第73-75页
   ·实验结果第75-78页
   ·改进前后的MAF-蚁群算法性能比较第78页
   ·改进后的MAF-蚁群算法与其他优化算法性能比较第78-79页
   ·本章小结第79-81页
总结与展望第81-83页
致谢第83-84页
参考文献第84-87页
作者在学期间取得的学术成果第87-88页
附录A 攻读硕士学位期间参加科研情况第88页

论文共88页,点击 下载论文
上一篇:基于微多普勒特征的人体微动识别系统设计与实现
下一篇:机步团对阵地防御之敌进攻战斗火力分配及其优化方法研究