| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究的背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的结构 | 第12-13页 |
| 第二章 蚁群算法和QOS路由 | 第13-28页 |
| 2.1 蚁群算法的起源 | 第13-14页 |
| 2.2 ACO算法的理论知识 | 第14-20页 |
| 2.2.1 蚂蚁行为说明 | 第14页 |
| 2.2.2 ACO算法的基本原理 | 第14-15页 |
| 2.2.3 基本蚁群算法系统 | 第15-19页 |
| 2.2.4 基本蚁群算法的实现 | 第19-20页 |
| 2.3 基本蚁群算法的模型 | 第20-22页 |
| 2.3.1 对蚂蚁个体的抽象 | 第20页 |
| 2.3.2 问题空间的描述 | 第20-21页 |
| 2.3.3 寻找路径的抽象 | 第21页 |
| 2.3.4 信息素挥发的抽象 | 第21页 |
| 2.3.5 启发元素的加入 | 第21-22页 |
| 2.4 蚁群算法的时间复杂度 | 第22-23页 |
| 2.5 基本蚁群算法的空间复杂度 | 第23-24页 |
| 2.6 基本蚁群算法的性能评价指标 | 第24-25页 |
| 2.7 蚁群算法的主要应用 | 第25-26页 |
| 2.8 多约束QOS路由的基本原理及模型 | 第26-27页 |
| 2.9 本章小结 | 第27-28页 |
| 第三章 动态自适应ACO与多约束QOS路由的研究 | 第28-35页 |
| 3.1 动态自适应ACO算法的基本原理 | 第28-29页 |
| 3.1.1 信息素挥发因子的动态自适应规则 | 第28页 |
| 3.1.2 建立适应度函数 | 第28-29页 |
| 3.1.3 动态自适应调整信息素优化策略 | 第29页 |
| 3.2 多约束QOS路由定义 | 第29-31页 |
| 3.3 实验结果及分析 | 第31-34页 |
| 3.3.1 仿真条件 | 第31页 |
| 3.3.2 构建网络模型 | 第31页 |
| 3.3.3 实验数据的对比分析 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 自适应量子蚁群算法与多约束QOS路由的研究 | 第35-42页 |
| 4.1 基本量子算法原理 | 第35-36页 |
| 4.2 新的量子门更新策略 | 第36-38页 |
| 4.3 优化算法的基本步骤 | 第38页 |
| 4.4 实验结果及分析 | 第38-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第五章 论文的总结及展望 | 第42-44页 |
| 5.1 本文的工作总结 | 第42页 |
| 5.2 展望 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 致谢 | 第49-50页 |
| 附录A（攻读硕士学位期间发表论文目录） | 第50页 |