首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

蚁群算法的研究及在网络路由优化上的应用

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

论文共75页,点击 下载论文
上一篇:亚麻籽胶的功能性质、结构及其应用
下一篇:多轴载荷下发动机中介机匣强度与寿命研究