改进蚁群算法的理论及方法研究
| 1 绪论 | 第1-17页 |
| 1．1 本文的选题背景及研究意义 | 第12页 |
| 1．2 全局优化方法的研究进展 | 第12-14页 |
| 1．3 启发式搜索算法的研究进展 | 第14页 |
| 1．4 蚁群算法的研究进展 | 第14-16页 |
| 1．5 本文研究的构思与设想 | 第16-17页 |
| 2 全局优化问题及方法 | 第17-25页 |
| 2．1 全局优化问题 | 第17-18页 |
| 2．2 全局优化方法概述 | 第18-22页 |
| 2．2．1 方法的构造原理 | 第19页 |
| 2．2．2 不同的分类法 | 第19-20页 |
| 2．2．3 现有全局优化方法的不足 | 第20-22页 |
| 2．3 蚁群算法概述 | 第22-25页 |
| 2．3．1 全局组合优化问题 | 第22-23页 |
| 2．3．2 蚁群算法 | 第23-25页 |
| 3 启发式搜索法 | 第25-36页 |
| 3．1 启发式搜索算法概述 | 第25页 |
| 3．2 启发式搜索算法的产生 | 第25-26页 |
| 3．3 启发式方法的构造与基本类型 | 第26-29页 |
| 3．3．1 启发式方法的构造 | 第26页 |
| 3．3．2 启发式方法的基本类 | 第26-29页 |
| 3．4 元启发式算法 | 第29-36页 |
| 3．3．1 计算复杂性与NP完全问题 | 第29-31页 |
| 3．3．2 元启发式算法概述 | 第31-36页 |
| 4 蚁群算法 | 第36-64页 |
| 4．1 真实蚁群行为 | 第36-37页 |
| 4．1．1 真实蚂蚁行为 | 第36-37页 |
| 4．1．2 蚂蚁行为的特点 | 第37页 |
| 4．2 蚁群算法的基本原理 | 第37-44页 |
| 4．2．1 TSP问题 | 第38页 |
| 4．2．2 蚁群算法的基本描述 | 第38-41页 |
| 4．2．3 收敛性 | 第41-44页 |
| 4．3 改进蚁群算法 | 第44-51页 |
| 4．3．1 蚁群算法的特点 | 第44页 |
| 4．3．2 现有改进蚁群算法 | 第44-47页 |
| 4．3．3 新的改进蚁群算法 | 第47-49页 |
| 4．3．4 算法测试 | 第49-51页 |
| 4．4 蚁群算法在连续优化问题中的应用 | 第51-64页 |
| 4．4．1 用于连续优化问题的蚁群算法概述 | 第51-54页 |
| 4．4．2 基于网格法的改进蚁群算法 | 第54-64页 |
| 5 广义邻域搜索算法及其统一结构 | 第64-71页 |
| 5．1 广义邻域搜索算法 | 第64-65页 |
| 5．2 广义邻域搜索算法的要素 | 第65-66页 |
| 5．3 广义邻域搜索算法的统一结构 | 第66-69页 |
| 5．4 优化算法的性能评价指标 | 第69-71页 |
| 6 ACOSA 混合优化策略 | 第71-82页 |
| 6．1 模拟退火算法 | 第71-75页 |
| 6．1．1 基本原理 | 第71-73页 |
| 6．1．2 模拟退火算法 | 第73-75页 |
| 6．2 基于统一结构设计混合优化策略的关键问题 | 第75-76页 |
| 6．3 ACOSA混合优化策略 | 第76-82页 |
| 6．3．1 ACOSA混合优化策略的构造出发点 | 第76-77页 |
| 6．3．2 ACOSA混合优化策略的流程和特点 | 第77-79页 |
| 6．3．3 ACOSA混合优化策略的效率定性分析 | 第79-80页 |
| 6．3．4 ACOSA混合优化策略的测试 | 第80-82页 |
| 7 结论与展望 | 第82-84页 |
| 7．1 本文的主要工作及成果 | 第82-83页 |
| 7．2 结论与展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 附录 | 第85-87页 |
| 作者简介 | 第87-88页 |
| 参考文献 | 第88-91页 |
