基于蚁群算法的工程结构优化设计
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 1. 引言 | 第11-21页 |
| ·概述 | 第11-13页 |
| ·结构优化设计的发展概况 | 第13-18页 |
| ·传统结构优化 | 第13-15页 |
| ·现代优化算法的发展 | 第15-18页 |
| ·研究的目的和意义 | 第18页 |
| ·本文的章节安排 | 第18-21页 |
| 2. 蚁群算法 | 第21-45页 |
| ·基本蚁群算法的概述 | 第21页 |
| ·蚁群算法的生物学基础 | 第21-23页 |
| ·蚁群算法的基本原理 | 第23-24页 |
| ·人工蚂蚁与真实蚂蚁的异同 | 第24-25页 |
| ·蚁群算法的特点 | 第25页 |
| ·基本TSP 蚁群算法概述 | 第25-30页 |
| ·基本TSP 蚁群算法的描述 | 第25-28页 |
| ·基本蚁群算法实现步骤 | 第28-29页 |
| ·基本蚁群算法复杂度分析 | 第29-30页 |
| ·基本蚁群算法的优缺点 | 第30-31页 |
| ·改进的蚁群算法 | 第31-37页 |
| ·精华蚂蚁系统 | 第31-32页 |
| ·基于排序的蚂蚁系统 | 第32-33页 |
| ·最大最小蚂蚁系统 | 第33-35页 |
| ·蚁群系统 | 第35-37页 |
| ·蚁群算法参数分析 | 第37-38页 |
| ·离散结构设计的特点 | 第38-39页 |
| ·十杆桁架算例 | 第39-43页 |
| ·启发因子α的选取 | 第40-41页 |
| ·启发因子 β 的选取 | 第41-42页 |
| ·信息素挥发因子ρ的选取 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 3 蚁群算法的改进 | 第45-55页 |
| ·连续域的蚁群算法与离散域蚁群算法的不同 | 第45页 |
| ·用蚁群算法解决连续域问题的几种思路 | 第45-47页 |
| ·连续域蚁群系统的构建 | 第47-50页 |
| ·自然界中信息素的分布情况 | 第47页 |
| ·算法的基本思路 | 第47-49页 |
| ·算法的基本步骤 | 第49-50页 |
| ·连续域蚁群算法算法性能测试与分析 | 第50-53页 |
| ·测试函数 | 第50-53页 |
| ·小结 | 第53-55页 |
| 4 工程结构优化的改进蚁群算法 | 第55-81页 |
| ·优化的意义 | 第55页 |
| ·十杆桁架 | 第55-58页 |
| ·二十五杆桁架 | 第58-61页 |
| ·蚁群算法在离散域的应用 | 第61页 |
| ·局部搜索 | 第61-63页 |
| ·k-交换邻域 | 第62页 |
| ·K 近邻候选集合 | 第62页 |
| ·Metropolis 准则 | 第62-63页 |
| ·局部搜索下的十杆桁架 | 第63-71页 |
| ·改进的蚁群算法的进一步说明 | 第65页 |
| ·改进的蚁群算法的基本步骤 | 第65-66页 |
| ·改进的蚁群算法对十杆桁架的应用 | 第66-71页 |
| ·基于拟满应力-改进的蚁群算法的应用 | 第71-76页 |
| ·满应力设计 | 第71-73页 |
| ·拟满应力设计 | 第73-74页 |
| ·拟满应力的蚁群算法的基本步骤 | 第74-75页 |
| ·拟满应力的蚁群算法对十杆桁架的应用 | 第75-76页 |
| ·基于局部搜索的蚁群算法的应用 | 第76-79页 |
| ·小结 | 第79-81页 |
| 5 结论与展望 | 第81-83页 |
| ·总结 | 第81-82页 |
| ·展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 作者简历 | 第87-89页 |
| 学位论文数据集 | 第89-90页 |
| 详细摘要 | 第90-91页 |
