基于强化学习的蚁群聚类研究及应用
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国内研究现状 | 第10-11页 |
| ·国外研究现状 | 第11-12页 |
| ·研究内容及主要创新点 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 基础理论 | 第15-30页 |
| ·聚类 | 第15-20页 |
| ·聚类步骤 | 第16页 |
| ·数据类型及度量 | 第16-18页 |
| ·经典聚类方法 | 第18-20页 |
| ·强化学习概述 | 第20-26页 |
| ·强化学习要素 | 第22-24页 |
| ·强化学习算法 | 第24-26页 |
| ·蚁群优化建模 | 第26-29页 |
| ·蚂蚁觅食行为 | 第26-27页 |
| ·人工蚂蚁建模 | 第27-28页 |
| ·TSP 问题模型 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于动态挥发率的蚁群算法 | 第30-40页 |
| ·经典蚁群算法 | 第30-34页 |
| ·基于动态挥发率的蚁群算法 | 第34-39页 |
| ·最优模型选择 | 第35-36页 |
| ·DEACO 收敛性分析 | 第36-38页 |
| ·DEACO 多样性分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于启发式修正的蚁群算法 | 第40-49页 |
| ·启发式信息修正 | 第40-43页 |
| ·强化学习机制 | 第41页 |
| ·HAACO 收敛性分析 | 第41-42页 |
| ·HAACO 多样性分析 | 第42-43页 |
| ·DEAHACO 算法 | 第43-48页 |
| ·DEAHACO 算法步骤 | 第44-45页 |
| ·收敛性分析 | 第45-47页 |
| ·多样性分析 | 第47-48页 |
| ·算法性能比较 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第五章 DEAHACO 聚类应用 | 第49-60页 |
| ·蚁群聚类模型 | 第49-53页 |
| ·蚁群聚类模型及算法 | 第53-55页 |
| ·BM 模型 | 第53-54页 |
| ·LF 算法 | 第54-55页 |
| ·DEAHACO 的聚类应用 | 第55-59页 |
| ·DEAHACO 算法性能测试 | 第56-57页 |
| ·DEAHACO 文本聚类 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士期间发表（录用）的论文和参加的科研项目 | 第67-68页 |
| 一、 发表（录用）的论文 | 第67页 |
| 二、 参加的科研项目 | 第67-68页 |
| 致谢 | 第68-69页 |
