并行蚁群算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究的背景及意义 | 第11页 |
| 1.2 蚁群算法研究现状 | 第11-12页 |
| 1.3 并行计算发展现状 | 第12-13页 |
| 1.4 本文研究主要工作与组织结构 | 第13-15页 |
| 第2章 人工蚁群算法 | 第15-23页 |
| 2.1 蚁群算法的简介 | 第15-17页 |
| 2.1.1 蚁群算法的基本思想 | 第15-16页 |
| 2.1.2 人工蚁群算法和真实蚂蚁的异同 | 第16-17页 |
| 2.2 蚁群算法的数学模型 | 第17-20页 |
| 2.2.1 人工蚁群算法的假设 | 第17页 |
| 2.2.2 数学模型 | 第17-20页 |
| 2.3 蚁群算法有关参数的选择 | 第20-21页 |
| 2.3.1 信息素挥发度的选择 | 第21页 |
| 2.3.2 启发式因子的选择 | 第21页 |
| 2.4 蚁群算法的优缺点 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 并行蚁群算法及其改进研究 | 第23-45页 |
| 3.1 并行计算 | 第23-26页 |
| 3.1.1 并行计算的体系结构 | 第23页 |
| 3.1.2 多级存储的体系结构 | 第23-24页 |
| 3.1.3 进程与进程间通信与线程 | 第24-25页 |
| 3.1.4 并行算法的评价 | 第25-26页 |
| 3.2 并行策略的选择 | 第26-28页 |
| 3.2.1 确定信息交流对象 | 第26页 |
| 3.2.2 处理机间交流内容 | 第26-28页 |
| 3.2.3 动态调节信息交流周期 | 第28页 |
| 3.3 并行蚁群算法的基本思想 | 第28-32页 |
| 3.3.1 并行蚁群算法数学模型 | 第29-30页 |
| 3.3.2 并行蚁群算法流程 | 第30-32页 |
| 3.4 基于模式学习并行蚁群算法 | 第32-36页 |
| 3.4.1 基于模式学习的并行算法 | 第32-33页 |
| 3.4.2 基于模式学习并行蚁群算法模型 | 第33-36页 |
| 3.5 仿真研究 | 第36-43页 |
| 3.5.1 参数设定 | 第36页 |
| 3.5.2 仿真结果分析 | 第36-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 并行混沌蚁群算法 | 第45-59页 |
| 4.1 混沌系统 | 第45-48页 |
| 4.1.1 混沌系统的概念 | 第45-46页 |
| 4.1.2 混沌系统的遍历性 | 第46-47页 |
| 4.1.3 典型混沌系统 | 第47-48页 |
| 4.2 混沌蚁群算法与并行蚁群算法的基本思想 | 第48-50页 |
| 4.2.1 混沌蚁群算法 | 第48-49页 |
| 4.2.2 并行混沌蚁群算法基本思想 | 第49-50页 |
| 4.3 并行混沌蚁群算法的数学模型与流程 | 第50-54页 |
| 4.3.1 单子机混沌蚁群算法 | 第50-51页 |
| 4.3.2 并行混沌蚁群算法流程 | 第51-54页 |
| 4.4 仿真研究 | 第54-57页 |
| 4.4.1 参数设定 | 第54页 |
| 4.4.2 仿真结果分析 | 第54-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
