| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-20页 |
| ·问题的提出 | 第10-11页 |
| ·TSP的应用和价值 | 第11-12页 |
| ·TSP问题的研究现状 | 第12-18页 |
| ·模拟退火算法 | 第14-15页 |
| ·遗传算法 | 第15页 |
| ·人工神经网络算法 | 第15-16页 |
| ·蚁群算法 | 第16-17页 |
| ·其他算法 | 第17页 |
| ·未来可研究的问题 | 第17-18页 |
| ·本文的主要安排 | 第18-20页 |
| 第二章 对旅行商问题的分析和一些经典算法的介绍 | 第20-34页 |
| ·TSP问题的描述及数学模型 | 第20-21页 |
| ·TSP问题的分类 | 第21-22页 |
| ·解TSP的算法综述 | 第22页 |
| ·精确算法 | 第22-25页 |
| ·可解情形(特例) | 第23页 |
| ·穷举搜索法 | 第23页 |
| ·贪婪算法 | 第23-24页 |
| ·线性规划算法 | 第24页 |
| ·动态规划算法 | 第24页 |
| ·分支定界算法 | 第24-25页 |
| ·近似算法 | 第25-33页 |
| ·插入算法 | 第25-26页 |
| ·最近邻算法 | 第26-27页 |
| ·Clark&Wright算法 | 第27页 |
| ·双生成树算法 | 第27-28页 |
| ·Christofides算法 | 第28页 |
| ·r-opt算法 | 第28页 |
| ·混合优化策略方法 | 第28-29页 |
| ·概率算法 | 第29页 |
| ·模拟退火算法 | 第29-30页 |
| ·蚁群算法 | 第30-31页 |
| ·遗传算法 | 第31-32页 |
| ·神经网络算法 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 一些典型算法在TSP问题中的应用 | 第34-52页 |
| ·模拟退火算法 | 第34-38页 |
| ·模拟退火算法的模型 | 第34-36页 |
| ·参数设置 | 第36页 |
| ·实验结果 | 第36-38页 |
| ·蚁群算法 | 第38-45页 |
| ·蚁群算法的基本原理 | 第39页 |
| ·基本蚁群系统模型 | 第39-41页 |
| ·应用蚁群算法要注意的问题 | 第41-43页 |
| ·算法的实现 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·遗传算法 | 第45-51页 |
| ·GA基木概念和基本操作 | 第45-46页 |
| ·遗传算法描述 | 第46-47页 |
| ·求解TSP的遗传操作方法 | 第47-50页 |
| ·实验结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 人工神经网络求解TSP问题 | 第52-71页 |
| ·人工神经网络简介 | 第52-53页 |
| ·Hopfield神经网络 | 第53-60页 |
| ·离散型Hopfield神经网络 | 第54-55页 |
| ·连续型Hopfield神经网络 | 第55-57页 |
| ·采用连续Hopfield网络求解TSP问题 | 第57-59页 |
| ·算法的实现 | 第59-60页 |
| ·对现有算法的改进 | 第60-68页 |
| ·对参数的分析和改进 | 第60-65页 |
| ·对能量函数的改进 | 第65-67页 |
| ·对上述算法的进一步改进 | 第67-68页 |
| ·实验结果 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 应用HOPFIELD神经网络解决西安市旅游问题 | 第71-77页 |
| ·旅游景点向量矩阵 | 第72-73页 |
| ·景点的选取 | 第73-75页 |
| ·游客对景点的评价 | 第73-74页 |
| ·景点坐标的确定 | 第74-75页 |
| ·实验结果 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第84页 |