应用遗传算法提高蚁群算法性能的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-17页 |
| ·引言 | 第13-14页 |
| ·选题目的及意义 | 第14-15页 |
| ·本文的主要工作 | 第15-17页 |
| 第二章 遗传算法和蚁群算法基本理论 | 第17-30页 |
| ·遗传算法概述 | 第17-22页 |
| ·遗传算法的发展 | 第17-18页 |
| ·遗传算法的基本步骤及求解过程 | 第18-20页 |
| ·遗传算法的特点及应用 | 第20-22页 |
| ·蚁群算法概述 | 第22-29页 |
| ·蚁群算法的基本原理 | 第22-25页 |
| ·蚁群算法的特点 | 第25-26页 |
| ·蚁群算法的应用情况 | 第26-28页 |
| ·蚁群算法国内外研究概况 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基本蚁群算法及其改进 | 第30-49页 |
| ·TSP问题 | 第30页 |
| ·基本蚁群算法的模型 | 第30-32页 |
| ·基本蚁群算法描述 | 第32-33页 |
| ·基本蚁群算法的迭代过程及实验仿真 | 第33-37页 |
| ·基本蚁群算法的迭代过程 | 第33-35页 |
| ·基本蚁群算法的实验仿真 | 第35-37页 |
| ·基本蚁群算法的优缺点 | 第37-39页 |
| ·基本蚁群算法的改进方法 | 第39-48页 |
| ·蚁群系统 | 第39-40页 |
| ·最大最小蚁群算法 | 第40-41页 |
| ·具有变异特征的蚁群算法 | 第41-42页 |
| ·自适应的蚁群算法 | 第42-43页 |
| ·具有感觉和知觉特征的蚁群算法 | 第43-45页 |
| ·带杂交因子的蚁群算法 | 第45-47页 |
| ·具有随机扰动特征的蚁群算法 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 遗传算法优化基本蚁群算法参数 | 第49-67页 |
| ·基本蚁群算法参数分析 | 第49-57页 |
| ·启发因子α的选择 | 第49-51页 |
| ·期望启发因子β的选择 | 第51-52页 |
| ·信息素挥发度ρ的选择 | 第52-54页 |
| ·蚁群数量的选择 | 第54-55页 |
| ·总信息量的选择 | 第55-57页 |
| ·参数α、β、ρ组合对基本蚁群算法性能影响 | 第57-61页 |
| ·遗传算法优化基本蚁群算法参数α,β,ρ | 第61-65页 |
| ·求解执行过程 | 第62-63页 |
| ·实验分析 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 GA-ACA混合算法 | 第67-89页 |
| ·GA-ACA算法的描述 | 第67-69页 |
| ·蚁群算法与遗传算法的衔接 | 第69-70页 |
| ·GA-ACA中遗传算法的定义与设置 | 第70-71页 |
| ·GA-ACA中蚁群算法的定义与设置 | 第71-76页 |
| ·蚁群算法的改进 | 第71-75页 |
| ·改进蚁群算法实现 | 第75-76页 |
| ·实验与分析 | 第76页 |
| ·GA-ACA混合算法实现步骤 | 第76-77页 |
| ·GA-ACA混合算法在TSP问题上的仿真验证 | 第77-83页 |
| ·算例仿真 | 第77-83页 |
| ·实验结果分析 | 第83页 |
| ·GA-ACA混合算法在求解QAP问题中的应用 | 第83-88页 |
| ·QAP问题介绍 | 第84-85页 |
| ·GA-ACA混合算法求解QAP | 第85-86页 |
| ·实验与分析 | 第86-88页 |
| ·本章小结 | 第88-89页 |
| 第六章 总结与展望 | 第89-91页 |
| ·总结 | 第89页 |
| ·下一步工作展望 | 第89-91页 |
| 参考文献 | 第91-98页 |
| 附录1 TSP问题 | 第98-99页 |
| 附录2 基本蚁群算法源代码 | 第99-103页 |
| 附录3 基本遗传算法求解TSP源代码 | 第103-109页 |
| 附录4 基本蚁群算法求解QAP问题源代码 | 第109-113页 |
| 致谢 | 第113-114页 |
| 攻读学位期间发表的学术论文目录 | 第114页 |
