| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·引言 | 第11-12页 |
| ·蚁群算法的提出和发展 | 第12-13页 |
| ·本文主要工作和组织结构 | 第13-15页 |
| 第二章 基本蚁群算法原理及改进策略 | 第15-27页 |
| ·旅行商T SP 问题介绍 | 第15-16页 |
| ·基本蚁群算法的机制原理 | 第16-20页 |
| ·人工模拟蚂蚁的特点 | 第16页 |
| ·蚁群算法的基本原理 | 第16-17页 |
| ·蚁群算法的基本模型 | 第17-18页 |
| ·蚁群算法的实现步骤 | 第18-20页 |
| ·基本蚁群算法的系统特征 | 第20-21页 |
| ·蚁群算法的优点 | 第20-21页 |
| ·蚁群算法的缺点 | 第21页 |
| ·蚁群算法的改进策略 | 第21-25页 |
| ·路径选择策略的改进 | 第22-23页 |
| ·信息素更新策略的改进 | 第23页 |
| ·引入交叉变异策略 | 第23-24页 |
| ·添加随机扰动策略 | 第24页 |
| ·与其他算法的融合 | 第24-25页 |
| ·添加局部搜索优化 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基本蚁群算法的参数分析 | 第27-39页 |
| ·引言 | 第27页 |
| ·信息素挥发因子ρ 的选择 | 第27-29页 |
| ·启发式因子α , β对蚁群算法性能的影响 | 第29-34页 |
| ·信息素启发式因的参数分析 | 第30-32页 |
| ·期望启发式因子的参数分析 | 第32-34页 |
| ·蚂蚁数量对收敛的影响 | 第34-36页 |
| ·信息素强度Q 对收敛的影响 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 改进蚁群算法E- M MA S 的性能优势 | 第39-47页 |
| ·算法的改进策略 | 第39-41页 |
| ·全局扰动策略 | 第39-40页 |
| ·信息素平滑机制 | 第40-41页 |
| ·双向收敛策略 | 第41页 |
| ·减少无效选路次数 | 第41页 |
| ·E - M M AS 解决T SP 问题 | 第41-44页 |
| ·收敛速度分析 | 第42页 |
| ·最优解质量分析 | 第42-43页 |
| ·运行时间分析 | 第43-44页 |
| ·E- MM AS 算法解决最小比率TS P 问题 | 第44-46页 |
| ·收敛速度分析 | 第45页 |
| ·最优解质量分析 | 第45-46页 |
| ·运行时间分析 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 Q oS 路由技术概论 | 第47-57页 |
| ·Q oS 概述 | 第47-48页 |
| ·Q oS 路由的研究意义 | 第48页 |
| ·基本路由算法 | 第48-50页 |
| ·路由算法的设计目标 | 第48-49页 |
| ·路由算法的度量标准 | 第49-50页 |
| ·Q oS 路由算法 | 第50-53页 |
| ·Q oS 路由算法概述 | 第50-51页 |
| ·Q oS 路由研究中需要解决的主要难点 | 第51-52页 |
| ·Qo S 路由研究中存在的问题 | 第52-53页 |
| ·网络模型和Qo S 度量 | 第53-55页 |
| ·网络模型相关概念 | 第53-54页 |
| ·多约束Q oS 的路由度量特点 | 第54-55页 |
| ·多约束Q oS 的路由的数学模型 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 改进的E - M MA S 解决Q oS 路由问题 | 第57-68页 |
| ·Q o S - MM AS 算法的设计 | 第57-60页 |
| ·邻居探测方法 | 第57-58页 |
| ·两种概率转移公式 | 第58-59页 |
| ·适应度函数 | 第59-60页 |
| ·Q o S - MM AS 算法的实现 | 第60-61页 |
| ·实验仿真 | 第61-67页 |
| ·无向图网络模型下的实验仿真 | 第62-65页 |
| ·有向图网络模型下的实验仿真 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 总结展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
