| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-13页 |
| ·智能算法简介 | 第7-9页 |
| ·群集智能算法 | 第7-8页 |
| ·群集智能算法的展望 | 第8-9页 |
| ·组合优化问题 | 第9-10页 |
| ·本文的主要工作 | 第10-11页 |
| ·研究内容 | 第10-11页 |
| ·课题研究的意义 | 第11页 |
| ·章节介绍 | 第11-13页 |
| 第二章 不确定旅行商问题 | 第13-20页 |
| ·不确定性组合优化问题建模分类 | 第13-14页 |
| ·期望值不确定性规划模型 | 第13页 |
| ·机会约束不确定性规划模型 | 第13-14页 |
| ·相关机会约束不确定性规划模型 | 第14页 |
| ·传统求解不确定组合优化问题方法 | 第14-15页 |
| ·不确定旅行商（TSP）问题 | 第15-20页 |
| ·旅行商问题描述 | 第15-17页 |
| ·关于TSP问题的研究 | 第17页 |
| ·不确定TSP问题描述 | 第17-18页 |
| ·不确定TSP问题评价标准 | 第18-20页 |
| 第三章 用改进的离散粒子群算法求解不确定TSP 问题 | 第20-30页 |
| ·粒子群优化算法(ParticleSwarm Optimization) 简介 | 第20-22页 |
| ·粒子群算法的来源 | 第20-21页 |
| ·粒子群算法的特点及发展 | 第21页 |
| ·粒子群算法的应用 | 第21-22页 |
| ·粒子群优化算法基本步骤 | 第22-23页 |
| ·离散粒子群算法 | 第23-24页 |
| ·改进的离散粒子群算法 | 第24-26页 |
| ·粒子的位置 | 第24页 |
| ·粒子的学习方法 | 第24-25页 |
| ·粒子的速度和惯性因子 | 第25-26页 |
| ·算法过程描述 | 第26页 |
| ·实验与分析 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 用基于蚂蚁算法的混合方法求解不确定TSP 问题 | 第30-42页 |
| ·蚂蚁算法简介 | 第30-33页 |
| ·蚂蚁算法的原理 | 第30-31页 |
| ·蚂蚁算法的特点 | 第31-32页 |
| ·蚂蚁算法的应用领域 | 第32页 |
| ·蚂蚁算法的基本步骤 | 第32-33页 |
| ·蚂蚁算法参数说明 | 第33-34页 |
| ·蚂蚁算法信息素改良机制 | 第34-36页 |
| ·局部信息素更新机制 | 第35页 |
| ·全局信息素更新机制 | 第35-36页 |
| ·蚂蚁算法的改进 | 第36-37页 |
| ·用3-opt方法优化当前解 | 第36-37页 |
| ·算法过程描述 | 第37页 |
| ·实验与分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第五章 总结与展望 | 第42-46页 |
| ·两种算法实验结果比较 | 第42-43页 |
| ·输出路径的比较 | 第42页 |
| ·一定置信区间内结果分析的比较 | 第42-43页 |
| ·算法鲁棒性 | 第43页 |
| ·总结 | 第43-44页 |
| ·下一步工作展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 摘要 | 第49-52页 |
| Abstract | 第52-56页 |
| 致 谢 | 第56-57页 |
| 硕士期间发表和投稿的论文 | 第57页 |
