| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究的背景及意义 | 第9-11页 |
| ·蚁群算法的研究现状 | 第9-10页 |
| ·蚁群算法及其研究意义 | 第10-11页 |
| ·连续蚁群算法的研究现状 | 第11页 |
| ·该论文的研究内容 | 第11-13页 |
| ·蚁群算法的改进 | 第11-12页 |
| ·改进连续域蚁群算法 | 第12页 |
| ·改进连续蚁群算法在精校机控制系统中的应用 | 第12-13页 |
| ·论文的结构安排 | 第13-14页 |
| 第二章 蚁群算法 | 第14-22页 |
| ·蚁群算法的原理 | 第14-15页 |
| ·蚁群算法的描述 | 第15-17页 |
| ·蚁群算法的两种改进方法 | 第17-19页 |
| ·引入扰动因子q | 第17-18页 |
| ·引入了城市数目 | 第18-19页 |
| ·改进蚁群算法及其在 T SP 中的仿真研究 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 连续蚁群算法 | 第22-29页 |
| ·连续蚁群算法的算法模型 | 第22-23页 |
| ·两种新颖的连续蚁群算法 | 第23-26页 |
| ·一种用于函数优化的连续蚁群算法 | 第23-24页 |
| ·加入“返穴”机制的连续蚁群算法 | 第24-26页 |
| ·基于网格划分的连续蚁群算法 | 第26-28页 |
| ·基于网格划分的 ACO 算法描述 | 第26-28页 |
| ·融入最大最小策略和自适应策略 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第四章 改进的连续蚁群算法 | 第29-36页 |
| ·混沌思想简述 | 第29-30页 |
| ·改进连续蚁群算法的三个“创新点” | 第30-33页 |
| ·引入了“混沌分布”的思想 | 第30页 |
| ·改进变量范围的缩小规则 | 第30-32页 |
| ·增加了局部搜索和优胜劣汰 | 第32页 |
| ·改进算法的算法思路 | 第32-33页 |
| ·仿真实例分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 改进连续蚁群算法与其他 PID 算法的结合 | 第36-47页 |
| ·PID 控制器 | 第36-38页 |
| ·PID 控制算法 | 第36-37页 |
| ·k_p, k_i,k_d对算法的影响 | 第37-38页 |
| ·改进的连续蚁群算法与 PID 控制算法的结合 | 第38-40页 |
| ·基于基础蚁群算法的 PID 控制算法 | 第38-40页 |
| ·基于改进的连续域蚁群算法的 PID 控制算法 | 第40页 |
| ·单神经元 PID 控制器 | 第40-43页 |
| ·单神经元网络 | 第41页 |
| ·单神经元 PID 控制器 | 第41-43页 |
| ·改进的连续蚁群算法与单神经元 PID 控制算法的结合 | 第43-46页 |
| ·基于基础蚁群算法整定的单神经元 PID 算法 | 第43-44页 |
| ·基于改进的连续蚁群算法的单神经元 PID 算法 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 改进的连续蚁群算法在精校机控制系统中的应用 | 第47-56页 |
| ·精校机的描述 | 第47页 |
| ·精校机的电液位置伺服系统 | 第47-51页 |
| ·精校机电液位置伺服系统结构 | 第48-49页 |
| ·系统的传递函数 | 第49-51页 |
| ·改进的连续蚁群算法在精校机中的应用 | 第51-55页 |
| ·第一种负载情况 | 第51-53页 |
| ·第二种负载情况 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第七章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 附录 ATSP 问题的城市距离参数 | 第62-64页 |
| 个人简历 | 第64页 |
| 攻读硕士学位期间发表论文 | 第64页 |
