第一章 绪论 | 第1-16页 |
1.1 最优化问题及其分类 | 第8-9页 |
1.2 算法的复杂性与 NP问题 | 第9-11页 |
1.2.1 算法的复杂性 | 第9-10页 |
1.2.2 NP问题 | 第10-11页 |
1.3 几种主要的元启发式优化算法 | 第11-14页 |
1.3.1 遗传算法 | 第11-13页 |
1.3.2 模拟退火算法 | 第13-14页 |
1.3.3 蚁群算法 | 第14页 |
1.4 本文的主要工作 | 第14-16页 |
第二章 蚁群算法的原理与模型 | 第16-28页 |
2.1 蚁群算法的原理 | 第16-18页 |
2.2 蚁群算法的模型及实现步骤 | 第18-23页 |
2.2.1 旅行商问题 | 第18-19页 |
2.2.2 蚁群算法的模型 | 第19-21页 |
2.2.3 蚁群算法的实现步骤 | 第21-23页 |
2.3 蚁群算法的迭代过程 | 第23-24页 |
2.4 蚁群算法的优缺点及研究进展 | 第24-27页 |
2.5 本章小结 | 第27-28页 |
第三章 蚁群算法的改进及在连续空间优化上的研究 | 第28-48页 |
3.1 蚁群算法中一些参数的选择 | 第28-31页 |
3.1.1 α和β的选择 | 第28-30页 |
3.1.2 ρ的选择 | 第30-31页 |
3.2 蚁群算法的改进策略 | 第31-36页 |
3.2.1 改进策略一——确定性与随机性的选择策略 | 第31-32页 |
3.2.2 改进策略二——利用分区搜索思想 | 第32页 |
3.2.3 改进策略三——利用不交叉思想 | 第32-33页 |
3.2.4 改进策略四——局部信息素与全局信息素动态调整 | 第33-34页 |
3.2.5 改进策略五——从与信息素有关的参数入手 | 第34-35页 |
3.2.6 改进策略六——与遗传算法相结合 | 第35-36页 |
3.3 改进的蚁群算法的实现过程 | 第36-37页 |
3.4 改进的蚁群算法的仿真验证 | 第37-41页 |
3.4.1 在TSP问题上的验证 | 第37-41页 |
3.4.2 实验结果分析 | 第41页 |
3.5 在连续空间优化问题上的研究 | 第41-46页 |
3.5.1 问题的提出 | 第41-42页 |
3.5.2 基于网格划分的蚁群算法 | 第42-44页 |
3.5.3 算例验证 | 第44-46页 |
3.5.4 实验结果分析 | 第46页 |
3.6 本章小结 | 第46-48页 |
第四章 蚁群算法在网络路由优化中的应用 | 第48-62页 |
4.1 IP网络路由技术 | 第48-50页 |
4.1.1 路由的选择方法及其分类 | 第48-49页 |
4.1.2 最佳路由的度量 | 第49-50页 |
4.2 基本的路由算法 | 第50-52页 |
4.2.1 距离矢量路由算法 | 第50-51页 |
4.2.2 链路状态路由算法 | 第51-52页 |
4.3 RIP和OSPF路由选择协议 | 第52-53页 |
4.3.1 RIP路由协议 | 第52页 |
4.3.2 OSPF路由协议 | 第52-53页 |
4.4 IP网络的服务质量(QoS)路由问题 | 第53-54页 |
4.4.1 QoS路由的分类 | 第53-54页 |
4.4.2 Qos路由的策略 | 第54页 |
4.5 蚁群算法在网络路由优化的应用 | 第54-56页 |
4.6 基于蚁群算法的QoS路由优化 | 第56-61页 |
4.6.1 问题描述 | 第56-57页 |
4.6.2 算法描述 | 第57-58页 |
4.6.3 实现过程 | 第58-59页 |
4.6.4 算例仿真 | 第59-61页 |
4.7 本章小结 | 第61-62页 |
第五章 蚁群算法在其他方面的应用 | 第62-69页 |
5.1 蚁群算法在自动化仓库优化中的应用 | 第62-64页 |
5.1.1 问题的提出 | 第62-63页 |
5.1.2 固定货架拣选路径问题的模型 | 第63页 |
5.1.3 蚁群算法的仿真实验 | 第63-64页 |
5.2 蚁群算法在电力系统优化中的应用 | 第64-68页 |
5.2.1 问题的提出 | 第64-65页 |
5.2.2 配电网网络规划的数学模型 | 第65-66页 |
5.2.3 蚁群算法的仿真实验 | 第66-68页 |
5.3 本章小结 | 第68-69页 |
第六章 结束语 | 第69-71页 |
参考文献 | 第71-73页 |
附录: TSP Benchmark问题 | 第73-74页 |
致谢 | 第74-75页 |
攻读学位期间所发表的论文 | 第75页 |