| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-19页 |
| ·引言 | 第8页 |
| ·蚁群算法原理模型 | 第8-12页 |
| ·蚁群算法基本原理 | 第8-10页 |
| ·算法模型 | 第10-12页 |
| ·蚁群算法的应用 | 第12-16页 |
| ·作业调度问题 | 第12-14页 |
| ·二次分配问题 | 第14-15页 |
| ·背包问题 | 第15页 |
| ·分类规则的学习问题 | 第15-16页 |
| ·蚁群算法的研究现状 | 第16-18页 |
| ·本文的主要内容 | 第18-19页 |
| 2 改进的蚁群算法 | 第19-26页 |
| ·引言 | 第19页 |
| ·蚁群算法的改进策略 | 第19-21页 |
| ·路径选择策略的改进 | 第19-20页 |
| ·信息素的更新策略的改进 | 第20页 |
| ·引入变异策略 | 第20-21页 |
| ·添加随即扰动策略 | 第21页 |
| ·与其他算法的融合 | 第21页 |
| ·改进的蚁群算法 | 第21-25页 |
| ·精英蚂蚁系统 | 第21-22页 |
| ·基于排序的蚂蚁系统 | 第22页 |
| ·最大-最小蚂蚁系统 | 第22-23页 |
| ·蚁群系统 | 第23页 |
| ·各种蚁群算法的比较 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 蚁群算法与免疫克隆算法的融合 | 第26-35页 |
| ·引言 | 第26页 |
| ·基本免疫克隆算法 | 第26-28页 |
| ·解TSP 问题的的免疫克隆-蚁群算法 | 第28-32页 |
| ·混合的基本思想 | 第28页 |
| ·免疫克隆算法的变异算子 | 第28-29页 |
| ·路径选择规则的改进 | 第29-30页 |
| ·ACACA 算法描述 | 第30-32页 |
| ·实验仿真结果 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于蚁群和抗体免疫克隆算法的0-1 背包问题求解 | 第35-42页 |
| ·引言 | 第35页 |
| ·0-1 背包问题概述 | 第35-36页 |
| ·KPAICACA 算法和算法描述 | 第36-38页 |
| ·KPAICACA 算法 | 第36-38页 |
| ·KPAICACA 算法描述 | 第38页 |
| ·实验仿真结果 | 第38-41页 |
| ·KPAICACA 算法的参数设置和分析 | 第38-40页 |
| ·仿真实验 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 结论与展望 | 第42-44页 |
| ·结论 | 第42页 |
| ·展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录 | 第49-51页 |