| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-20页 |
| ·引言 | 第10-11页 |
| ·蚁群算法的生物学基础 | 第11-12页 |
| ·蚁群算法简介 | 第12-15页 |
| ·人工蚂蚁与真实蚂蚁的异同点 | 第12-15页 |
| ·蚁群算法的特点及其应用 | 第15-17页 |
| ·蚁群算法的特点 | 第16页 |
| ·蚁群算法的应用 | 第16-17页 |
| ·蚁群算法在连续域研究成果 | 第17-18页 |
| ·课题来源与本文的研究内容 | 第18-20页 |
| ·课题的提出 | 第18页 |
| ·本文的研究内容 | 第18-20页 |
| 2 蚁群算法基本模型及其特点 | 第20-35页 |
| ·引言 | 第20页 |
| ·蚁群算法基本模型AS(Ant System)的描述 | 第20-24页 |
| ·基本模型的原理 | 第20-23页 |
| ·基本模型的描述 | 第23-24页 |
| ·基本蚁群算法模型的实现 | 第24-26页 |
| ·基本蚁群算法的实现步骤 | 第24-25页 |
| ·基本蚁群算法的程序结构流程 | 第25-26页 |
| ·蚁群算法基本模型中有关算法参数的选择 | 第26-31页 |
| ·蚁群数量的选择 | 第27-28页 |
| ·启发式因子的选择 | 第28页 |
| ·期望启发因子的选择 | 第28-29页 |
| ·信息素挥发因子的选择 | 第29-30页 |
| ·信息素强度的选择 | 第30-31页 |
| ·改进的蚁群优化算法 | 第31-34页 |
| ·蚁群算法基本模型的优缺点 | 第31-32页 |
| ·最优解保留策略蚁群系统 | 第32页 |
| ·最大—最小蚁群系统 | 第32-33页 |
| ·自适应蚁群算法 | 第33-34页 |
| ·小结 | 第34-35页 |
| 3 连续空间优化的蚁群算法 | 第35-47页 |
| ·引言 | 第35页 |
| ·连续空间优化的算法模型分析 | 第35-36页 |
| ·连续空间蚁群算法的构造 | 第36-42页 |
| ·用于一维函数优化的蚁群算法模型 | 第36-38页 |
| ·用于一维函数优化的蚁群算法描述 | 第38-39页 |
| ·用于多维函数优化的蚁群算法模型 | 第39-41页 |
| ·用于多维函数优化的蚁群算法描述 | 第41-42页 |
| ·仿真实验 | 第42-45页 |
| ·一维函数仿真实验 | 第42-44页 |
| ·多维函数仿真实验 | 第44-45页 |
| ·算法性能分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 4 混沌蚁群算法在连续空间优化中的应用 | 第47-59页 |
| ·引言 | 第47页 |
| ·混沌算法概述 | 第47-50页 |
| ·混沌的起源 | 第47-48页 |
| ·混沌的特性 | 第48-49页 |
| ·混沌优化算法 | 第49-50页 |
| ·基于网格划分策略的连续域蚁群算法 | 第50-51页 |
| ·混沌蚁群算法 | 第51-56页 |
| ·混沌蚁群算法的思想和算法描述 | 第51-54页 |
| ·混沌蚁群算法的程序流程图 | 第54-56页 |
| ·仿真实验 | 第56-58页 |
| ·小结 | 第58-59页 |
| 5 用于PID参数优化的改进蚁群算法 | 第59-74页 |
| ·引言 | 第59页 |
| ·PID控制器的基本原理 | 第59-63页 |
| ·比例作用 | 第60-61页 |
| ·积分作用 | 第61-62页 |
| ·微分作用 | 第62-63页 |
| ·PID控制器参数整定 | 第63-71页 |
| ·Ziegler-Nichols参数整定方法 | 第63-67页 |
| ·PID参数的蚁群算法寻优 | 第67-71页 |
| ·仿真实验 | 第71-73页 |
| ·小结 | 第73-74页 |
| 6 总结与展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 附录 1 攻读学位期间发表的学术论文目录 | 第82-83页 |
| 附录 2 主要程序 | 第83-91页 |