图的Steiner最小树问题的算法与应用研究
摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-12页 |
1.1 研究背景及意义 | 第8页 |
1.2 课题研究现状综述 | 第8-9页 |
1.3 本文主要内容及章节安排 | 第9-12页 |
1.3.1 主要创新 | 第10页 |
1.3.2 章节安排 | 第10-12页 |
第二章 Steiner最小树问题及其相关算法 | 第12-20页 |
2.1 Steiner最小树问题 | 第12-13页 |
2.2 问题定义与分析 | 第13-15页 |
2.2.1 图的Steiner树的定义 | 第13-14页 |
2.2.2 数学性质分析 | 第14-15页 |
2.2.3 多项式解法 | 第15页 |
2.3 智能优化算法简介 | 第15-17页 |
2.4 Steiner树启发式算法介绍 | 第17-19页 |
2.5 本章小结 | 第19-20页 |
第三章 Steiner最小树问题的混合遗传算法 | 第20-30页 |
3.1 遗传算法原理 | 第20-24页 |
3.1.1 遗传算法基本思想 | 第20页 |
3.1.2 遗传算法基本操作 | 第20-22页 |
3.1.3 遗传算法基本步骤 | 第22-23页 |
3.1.4 遗传算法存在的问题 | 第23-24页 |
3.2 模拟退火与Metropolis准则 | 第24页 |
3.3 混合遗传算法描述 | 第24-27页 |
3.3.1 编码方法和群体初始化 | 第24-25页 |
3.3.2 适应度计算和选择种群 | 第25页 |
3.3.3 交叉率和变异率的确定 | 第25-26页 |
3.3.4 对最优个体进行模拟退火操作 | 第26-27页 |
3.3.5 算法步骤 | 第27页 |
3.4 实例测试 | 第27-29页 |
3.5 本章小结 | 第29-30页 |
第四章 基于加权节点的Steiner树启发式算法 | 第30-37页 |
4.1 基于关键节点的启发式算法 | 第30-31页 |
4.2 基于加权节点的启发式算法 | 第31-34页 |
4.2.1 算法思想 | 第31页 |
4.2.2 变量设置及公式 | 第31-32页 |
4.2.3 算法步骤描述 | 第32-33页 |
4.2.4 算法的正确性和复杂度 | 第33-34页 |
4.3 实例分析 | 第34-36页 |
4.4 本章小结 | 第36-37页 |
第五章 网络仿真与实验数据 | 第37-46页 |
5.1 随机网络仿真模型 | 第37-41页 |
5.1.1 Waxman算法 | 第37-38页 |
5.1.2 Doar算法 | 第38页 |
5.1.3 随机网络的产生 | 第38-41页 |
5.2 仿真结果 | 第41-43页 |
5.2.1 参数设置 | 第41页 |
5.2.2 仿真结果分析 | 第41-43页 |
5.3 Steiner最小树问题的延伸 | 第43-45页 |
5.3.1 静态QoS约束的组播路由问题 | 第44页 |
5.3.2 动态无约束组播路由问题 | 第44-45页 |
5.3.3 动态QoS约束的组播路由问题 | 第45页 |
5.4 本章小结 | 第45-46页 |
第六章 总结与展望 | 第46-48页 |
参考文献 | 第48-51页 |
附录1 程序清单 | 第51-52页 |
附录2 攻读硕士学位期间撰写的论文 | 第52-53页 |
致谢 | 第53页 |