| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景 | 第14-17页 |
| 1.1.1 研究概述 | 第14页 |
| 1.1.2 中国旅游业发展现状 | 第14-15页 |
| 1.1.3 研究的理论基础 | 第15-17页 |
| 1.2 传统优化算法和群智能优化算法的比较 | 第17-18页 |
| 1.3 研究的目的和方法 | 第18-19页 |
| 1.4 本文研究内容 | 第19-21页 |
| 第二章 TOTSP问题 | 第21-32页 |
| 2.1 TSP问题的概念 | 第21-22页 |
| 2.1.1 TSP问题的定义 | 第21页 |
| 2.1.2 TSP问题的数学模型 | 第21-22页 |
| 2.2 TSP问题的算法 | 第22-25页 |
| 2.2.1 TSP问题的精确算法 | 第22-23页 |
| 2.2.2 TSP问题的近似算法 | 第23-25页 |
| 2.3 TSP问题的扩展 | 第25-27页 |
| 2.4 最短路径问题的优化算法 | 第27-29页 |
| 2.5 TOTSP问题 | 第29-31页 |
| 2.5.1 TOTSP问题的概念 | 第29-30页 |
| 2.5.2 TOTSP问题的旅行时间函数 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 解决TOTSP问题的PSO-GA混合算法 | 第32-50页 |
| 3.1 遗传算法 | 第32-39页 |
| 3.1.1 进化计算的基本概念 | 第32页 |
| 3.1.2 进化计算的算法 | 第32-33页 |
| 3.1.3 遗传算法概述 | 第33-34页 |
| 3.1.4 个体编码 | 第34页 |
| 3.1.5 适应度函数求解 | 第34-35页 |
| 3.1.6 遗传算子 | 第35-37页 |
| 3.1.7 遗传算法的收敛性 | 第37-38页 |
| 3.1.8 遗传算法的改进算法 | 第38-39页 |
| 3.2 粒子群算法 | 第39-45页 |
| 3.2.1 粒子群算法概述 | 第39页 |
| 3.2.2 基本粒子群算法 | 第39-41页 |
| 3.2.3 标准粒子群算法 | 第41页 |
| 3.2.4 粒子群算法的收敛性 | 第41-42页 |
| 3.2.5 动态环境下的PSO算法 | 第42-43页 |
| 3.2.6 改进的粒子群算法 | 第43-45页 |
| 3.3 TOTSP问题的PSO-GA算法 | 第45-49页 |
| 3.3.1 PSO-GA混合算法的应用和研究现状 | 第45-46页 |
| 3.3.2 PSO-GA混合算法求解TOTSP问题的流程 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 仿真实验及分析 | 第50-61页 |
| 4.1 仿真实验模型 | 第50-51页 |
| 4.2 参数设置 | 第51-52页 |
| 4.3 给定游客密度时的仿真结果及数据分析 | 第52-57页 |
| 4.3.1 PSO-GA求解TOP游览路径的收敛过程及对比实验 | 第52-53页 |
| 4.3.2 PSO-GA求出的LOP、TOP游览路径及对比实验 | 第53页 |
| 4.3.3 PSO-GA的LOP、TOP的旅行时间及对比实验 | 第53-55页 |
| 4.3.4 PSO-GA、GA和ACO的LOP、TOP的CPU执行时间的对比 | 第55-57页 |
| 4.4 游客密度变化对TOTSP问题求解的影响 | 第57-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 结论与展望 | 第61-63页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 论文工作展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第69-70页 |
