| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 引言 | 第11-17页 |
| 1.1 蚁群算法的提出 | 第11-14页 |
| 1.1.1 问题的引出 | 第11-12页 |
| 1.1.2 群集智能的研究 | 第12-13页 |
| 1.1.3 蚁群算法的研究与现状 | 第13-14页 |
| 1.2 本文研究的目的及意义 | 第14-17页 |
| 第二章 蚁群算法的基本理论 | 第17-35页 |
| 2.1 蚁群算法的基本原理 | 第17-21页 |
| 2.2 基本蚁群算法模型 | 第21-24页 |
| 2.3 基本蚁群算法的参数意义 | 第24-27页 |
| 2.3.1 信息素挥发系数 | 第25-26页 |
| 2.3.2 蚂蚁个体数量 | 第26页 |
| 2.3.3 影响系数的设定 | 第26-27页 |
| 2.3.4 总信息量的选择 | 第27页 |
| 2.4 蚁群觅食行为的软件可视化 | 第27-35页 |
| 2.4.1 程序内对信息素的设定 | 第31-32页 |
| 2.4.2 蚂蚁个体的搜索本质 | 第32-35页 |
| 第三章 蚁群算法的研究与应用 | 第35-49页 |
| 3.1 蚁群算法的应用 | 第35-37页 |
| 3.2 蚁群算法的优点与不足 | 第37-39页 |
| 3.3 蚁群算法的研究与成果 | 第39-49页 |
| 3.3.1 加入局部优化概念的蚁群算法 | 第39-40页 |
| 3.3.2 自适应蚁群算法 | 第40-41页 |
| 3.3.3 蚁群系统算法 | 第41-44页 |
| 3.3.4 最大最小蚁群算法 | 第44-46页 |
| 3.3.5 加入了相遇概念的蚁群算法 | 第46-48页 |
| 3.3.6 小结 | 第48-49页 |
| 第四章 改进蚁群算法在连续函数解空间寻优中的应用 | 第49-63页 |
| 4.1 蚁群算法在解空间中的寻优思路 | 第49-53页 |
| 4.2 蚁群算法在解空间寻优问题中的设计模型 | 第53-59页 |
| 4.2.1 引入蚁群算法解决组合优化问题的改进思想 | 第53-55页 |
| 4.2.2 蚁群算法解决连续空间寻优问题的算法模型 | 第55-59页 |
| 4.3 蚁群算法解决连续函数解空间寻优问题的软件化成果 | 第59-63页 |
| 第五章 实例应用 | 第63-79页 |
| 5.1 基于蚁群算法的沉降组合预测模型 | 第63-67页 |
| 5.1.1 加权几何平均组合模型建模方法 | 第64-65页 |
| 5.1.2 算例分析 | 第65-67页 |
| 5.2 蚁群算法对投影寻踪转换参数的寻优 | 第67-78页 |
| 5.2.1 投影寻踪模型 | 第68-70页 |
| 5.2.2 基于蚁群算法的酸雨pH值拟合、预测模型 | 第70-74页 |
| 5.2.3 基于蚁群算法的水库流量预测模型 | 第74-78页 |
| 5.3 小结 | 第78-79页 |
| 第六章 结论与展望 | 第79-82页 |
| 6.1 结论 | 第79-80页 |
| 6.2 展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-85页 |
| 附录A | 第85-86页 |
| 附录B 部分代码 | 第86-109页 |
