| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-17页 |
| ·引言 | 第14页 |
| ·选题目的及意义 | 第14-16页 |
| ·本文的主要工作 | 第16-17页 |
| 第二章 蚁群算法概述 | 第17-25页 |
| ·蚁群算法的生物学基础和原理 | 第17-20页 |
| ·蚁群算法的生物学基础 | 第17-18页 |
| ·蚁群算法原理 | 第18-19页 |
| ·人工蚂蚁与真实蚂蚁的异同比较 | 第19-20页 |
| ·蚁群算法的特点 | 第20-21页 |
| ·蚁群算法的应用情况 | 第21-23页 |
| ·蚁群算法国内外研究概况 | 第23-24页 |
| ·本章小节 | 第24-25页 |
| 第三章 基本TSP蚁群算法 | 第25-48页 |
| ·基本TSP蚁群算法的原理 | 第25-28页 |
| ·基本TSP蚁群算法的描述 | 第25-27页 |
| ·基本蚁群算法实现步骤 | 第27-28页 |
| ·基本TSP蚁群算法的迭代过程及实验仿真 | 第28-31页 |
| ·基本蚁群算法的迭代过程 | 第28-30页 |
| ·基本蚁群算法的实验仿真 | 第30-31页 |
| ·蚁群算法信息素更新模型的选择 | 第31-33页 |
| ·蚁周模型性能分析 | 第31-32页 |
| ·蚁密模型性能分析 | 第32-33页 |
| ·蚁量模型性能分析 | 第33页 |
| ·蚁群算法中参数选择原则 | 第33-40页 |
| ·启发因子α的选择 | 第34-35页 |
| ·期望启发因子β的选择 | 第35-37页 |
| ·信息素挥发因子ρ的选择 | 第37-38页 |
| ·蚁群数量的选择 | 第38-40页 |
| ·基本蚁群算法的优缺点 | 第40-42页 |
| ·基本蚁群算法的改进方法 | 第42-47页 |
| ·蚁群系统 | 第42-43页 |
| ·最大最小蚂蚁 | 第43-45页 |
| ·自适应蚁群算法 | 第45页 |
| ·具有感觉和知觉特征的蚁群算法 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 求解连续优化问题的改进蚁群算法 | 第48-81页 |
| ·离散域蚁群算法与连续域蚁群算法的不同之处 | 第48-49页 |
| ·蚁群算法在连续域优化问题中的一些进展 | 第49页 |
| ·连续域蚁群算法的改进 | 第49-68页 |
| ·侦察蚁工作机制 | 第50-54页 |
| ·探索蚁工作机制及算法步骤 | 第54-56页 |
| ·算法步骤: | 第56-57页 |
| ·算例仿真 | 第57-67页 |
| ·算法性能分析及有关讨论: | 第67-68页 |
| ·ICACA算法参数的设置 | 第68-72页 |
| ·ICACA中几个重要的参数对算法的影响 | 第68-69页 |
| ·用遗传算法优化参数 | 第69-70页 |
| ·实验分析 | 第70-72页 |
| ·改进蚁群算法在PID控制器参数优化中的应用 | 第72-80页 |
| ·PID控制器参数优化原理 | 第72-74页 |
| ·优化性能指标的选择 | 第74-75页 |
| ·ICACA在PID控制器参数优化设计应用中的问题 | 第75-76页 |
| ·数值算例 | 第76-80页 |
| ·本章小节 | 第80-81页 |
| 第五章 用人工鱼群算法提高蚁群算法高维函数寻优的能力 | 第81-89页 |
| ·人工鱼群算法模型及其行为 | 第81-86页 |
| ·符号定义 | 第82页 |
| ·鱼群行为描述 | 第82-85页 |
| ·算法描述 | 第85-86页 |
| ·蚁群算法的定义与设置 | 第86-87页 |
| ·算例仿真 | 第87页 |
| ·本章小节 | 第87-89页 |
| 第六章 总结与展望 | 第89-91页 |
| ·总结 | 第89-90页 |
| ·下一步工作展望 | 第90-91页 |
| 参考文献 | 第91-98页 |
| 附录 TSP问题 | 第98-99页 |
| 致谢 | 第99-100页 |
| 攻读学位期间发表的学术论文目录 | 第100页 |