蚁群优化算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 引言 | 第9-10页 |
| 1.2 蚁群算法的发展概述 | 第10-11页 |
| 1.2.1 蚁群算法的起源 | 第10页 |
| 1.2.2 蚁群算法的发展历程 | 第10-11页 |
| 1.3 蚁群算法的模型及基本原理 | 第11-13页 |
| 1.3.1 模型的建立 | 第11-12页 |
| 1.3.2 蚁群算法的基本原理 | 第12-13页 |
| 1.4 论文的主要工作 | 第13-14页 |
| 1.5 论文的组织安排 | 第14-15页 |
| 第2章 蚁群优化元启发式算法 | 第15-20页 |
| 2.1 概念 | 第15页 |
| 2.1.1 启发式算法 | 第15页 |
| 2.1.2 元启发式算法 | 第15页 |
| 2.2 蚁群优化元启发式算法 | 第15-16页 |
| 2.3 ACO中的问题类型描述 | 第16-17页 |
| 2.4 人工蚂蚁的行为 | 第17-18页 |
| 2.5 ACO算法的结构框架 | 第18页 |
| 2.6 ACO元启发式算法的应用 | 第18-19页 |
| 2.7 小结 | 第19-20页 |
| 第3章 TSP中的蚁群优化元启发式算法 | 第20-28页 |
| 3.1 TSP问题 | 第20页 |
| 3.2 ACO扩展算法 | 第20-24页 |
| 3.2.1 蚂蚁系统 | 第21-23页 |
| 3.2.2 精华蚂蚁系统 | 第23页 |
| 3.2.3 基于排列的蚂蚁系统 | 第23页 |
| 3.2.4 最大最小蚂蚁系统 | 第23-24页 |
| 3.3 蚁群系统 | 第24-26页 |
| 3.4 近似非确定性树搜索 | 第26页 |
| 3.5 ACO的超立方体框架 | 第26-27页 |
| 3.6 本章小结 | 第27-28页 |
| 第4章 ACO算法的实现 | 第28-56页 |
| 4.1 ACO算法的具体实现 | 第28-36页 |
| 4.1.1 数据结构 | 第28-30页 |
| 4.1.2 算法 | 第30-35页 |
| 4.1.3 实现其他ACO算法时的修改 | 第35-36页 |
| 4.2 基本AS和ACS算法的实现 | 第36-37页 |
| 4.3 AS算法参数的测试 | 第37-46页 |
| 4.3.1 信息素因子α和启发式因子β的参数测试 | 第37-43页 |
| 4.3.2 信息素蒸发因子ρ的测试 | 第43-46页 |
| 4.4 ACS算法参数的测试 | 第46-54页 |
| 4.4.1 信息素因子α和启发式因子β的参数测试 | 第47-51页 |
| 4.4.2 信息素蒸发因子ρ的测试 | 第51-53页 |
| 4.4.3 伪随机比例因子 q_0 的测试 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 ACO算法的改进 | 第56-62页 |
| 5.1 蚁群算法的改进分析 | 第56-57页 |
| 5.2 蚁群算法的改进方法 | 第57-59页 |
| 5.2.1 改进一 | 第57-58页 |
| 5.2.2 改进二 | 第58-59页 |
| 5.3 测试仿真 | 第59-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表论文 | 第68页 |
