| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 蚁群算法及其应用的研究现状 | 第17-18页 |
| 1.3 论文的主要工作和章节安排 | 第18-20页 |
| 第二章 蚁群算法原理及算法描述 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 蚁群算法的生物基础 | 第20-24页 |
| 2.2.1 蚁群的觅食行为 | 第20-24页 |
| 2.3 蚁群算法的基本原理和算法分析 | 第24-31页 |
| 2.3.1 蚁群算法的数学模型 | 第24-26页 |
| 2.3.2 蚁群算法的框架和流程图 | 第26-28页 |
| 2.3.3 基本蚁群算法的实现步骤 | 第28页 |
| 2.3.4 蚁群算法分析 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 蚁群算法的优化 | 第32-52页 |
| 3.1 引言 | 第32页 |
| 3.2 蚁群算法的参数仿真研究 | 第32-38页 |
| 3.2.1 启发式因子 α 对蚁群算法的影响 | 第32-34页 |
| 3.2.2 期望值启发式因子 β 对蚁群算法的影响 | 第34-35页 |
| 3.2.3 信息素残留因子 ρ 对蚁群算法性能的影响 | 第35-37页 |
| 3.2.4 总信息量Q对蚁群算法性能的影响 | 第37-38页 |
| 3.3 蚁群算法的改进 | 第38-51页 |
| 3.3.1 最大最小蚁群算法 | 第38-39页 |
| 3.3.2 蚁群系统算法（ACS） | 第39-40页 |
| 3.3.3 改进的新蚁群算法 | 第40-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 蚁群算法在多路径测量系统中的应用 | 第52-68页 |
| 4.1 引言 | 第52页 |
| 4.2 西气东输场站多路径测量系统 | 第52-62页 |
| 4.2.1 硬件系统 | 第55-60页 |
| 4.2.2 系统软件工程 | 第60-62页 |
| 4.3 基于蚁群算法的传感器路线规划 | 第62-67页 |
| 4.3.1 问题的数学模型 | 第63-64页 |
| 4.3.2 基于蚁群算法的路径规划的步骤及设计方案 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68-69页 |
| 5.2 未来展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |
