首页--经济论文--经济计划与管理论文--经济计算、经济数学方法论文--经济数学方法论文

混合蚁群算法及其在管理优化中的应用

摘要第1-7页
ABSTRACT第7-9页
目录第9-13页
图目录第13-14页
表目录第14-15页
第1章 绪论第15-25页
   ·研究背景第15-16页
   ·蚁群算法研究现状第16-21页
     ·蚁群算法在组合优化的研究现状第17-19页
     ·蚁群算法在无约束连续函数优化的研究现状第19-20页
     ·蚁群聚类算法的研究现状第20-21页
   ·主要研究内容及创新点第21-22页
     ·研究内容第21-22页
     ·创新点第22页
   ·论文的组织结构第22-25页
第2章 约束蚁群算法第25-49页
   ·引言第25-26页
   ·BNs的BDEu及特性第26-27页
     ·BDEu的可分解形式第26-27页
     ·BDEu的局部一致性第27页
   ·CACOB第27-32页
     ·CACOB的4个基本操作第27-30页
     ·CACOB的伪码第30-32页
     ·CACOB的特点第32页
     ·CACOB的时间复杂度第32页
   ·CACOB算法实验结果及讨论第32-38页
     ·评价网络及评价指标第32-33页
     ·CACOB和ACOB的参数设置第33页
     ·CACOB和ACOB的3个指标的实验比较及讨论第33-37页
     ·CACOB与ACOB的n_(NSC)与f_(BDEu)的相关性分析第37页
     ·CACOB算法参数q_0和t_(step)的敏感性分析第37-38页
   ·基于CACOB算法的分类器第38-46页
     ·原理第39页
     ·仿真实验第39-40页
     ·讨论第40-41页
     ·CACOB分类器在房地产项目前期风险预测的应用第41-46页
   ·本章小结第46-49页
第3章 自适应蜂群-蚁群算法第49-65页
   ·引言第49页
   ·ACOR算法第49-54页
     ·概率密度函数第50-51页
     ·ACOR算法的信息素第51-53页
     ·ACOR算法的框架第53-54页
   ·自适应ACOR算法第54-59页
     ·ACOR算法的缺陷第54页
     ·自适应ACOR算法的基本思想第54-55页
     ·自适应ACOB算法的高层框架第55-56页
     ·自适应ACOR算法的细节解释第56-59页
   ·实验及讨论第59-64页
     ·测试函数选择第59页
     ·算法参数设置第59-60页
     ·实验结果第60-64页
     ·讨论第64页
   ·本章小结第64-65页
第4章 基于状态转移准则的差分进化算法第65-83页
   ·引言第65-66页
   ·基于状态转移准则的差分进化算法第66-71页
     ·多成员机制第67-68页
     ·基于状态转移准则的分散机制第68-69页
     ·伪码第69-70页
     ·两算法的区别第70-71页
     ·时间复杂度第71页
   ·实验及讨论第71-81页
     ·参数设置第72页
     ·实验结果及比较第72-78页
     ·参数敏感性分析第78-81页
   ·结论第81-83页
第5章 核蚁群聚类算法及在房地产项目前期风险评价的应用第83-93页
   ·引言第83页
   ·核蚁群聚类算法第83-85页
     ·聚类问题第83-84页
     ·核函数第84页
     ·核蚁群聚类算法第84-85页
   ·实验及讨论第85-88页
     ·Benchmarks和试验设置第85页
     ·聚类错误计算第85-86页
     ·实验结果第86-88页
   ·核蚁群聚类算法在房地产项目前期风险评价的应用第88-91页
     ·数据描述第88-89页
     ·核蚁群聚类算法进行评价第89-91页
   ·本章小结第91-93页
第6章 结论和展望第93-95页
   ·结论第93页
   ·展望第93-95页
参考文献第95-105页
攻读博士期间发表论文和科研项目情况第105-107页
致谢第107页

论文共107页,点击 下载论文
上一篇:基于改进粒子滤波算法的多目标智能视频跟踪研究
下一篇:实数编码量子进化算法及在投资组合中的应用