| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 课题来源 | 第15页 |
| 1.2 研究的背景及意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-17页 |
| 1.4 研究内容 | 第17-18页 |
| 1.5 本文组织结构 | 第18-19页 |
| 第二章 路径规划TSP问题与二维凸包 | 第19-26页 |
| 2.1 路径规划TSP问题描述及模型 | 第19页 |
| 2.2 求解路径规划TSP问题的算法 | 第19-20页 |
| 2.2.1 精确求解 | 第19-20页 |
| 2.2.2 启发式求解 | 第20页 |
| 2.3 二维凸包的定义、性质及实现算法 | 第20-25页 |
| 2.3.1 二维凸包的定义与性质 | 第20-21页 |
| 2.3.2 二维凸包的实现算法 | 第21-24页 |
| 2.3.3 二维凸包点的位置判据 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 蚁群算法 | 第26-40页 |
| 3.1 基本蚁群算法的原理与模型 | 第26-32页 |
| 3.1.1 基本蚁群算法的原理 | 第26-27页 |
| 3.1.2 蚁群算法的模型和轮盘赌 | 第27-32页 |
| 3.2 与本文相关的蚁群优化算法 | 第32-39页 |
| 3.2.1 蚁群系统 | 第32-33页 |
| 3.2.2 最大最小蚁群算法 | 第33-34页 |
| 3.2.3 最优最差蚁群系统 | 第34-35页 |
| 3.2.4 多态蚁群算法 | 第35-37页 |
| 3.2.5 自适应蚁群算法 | 第37-39页 |
| 3.3 蚁群算法优缺点 | 第39页 |
| 3.4 本章总结 | 第39-40页 |
| 第四章 基于动态凸包引导的偏优规划蚁群算法 | 第40-55页 |
| 4.1 算法改进的相关工作 | 第40-41页 |
| 4.2 基于动态二维凸包引导的改进蚁群算法 | 第41-47页 |
| 4.2.1 待选邻居城市范围的控制 | 第41-42页 |
| 4.2.2 城市选择策略 | 第42-43页 |
| 4.2.3 信息素更新策略 | 第43-47页 |
| 4.3 改进算法的实现步骤 | 第47-48页 |
| 4.4 仿真实验结果与分析 | 第48-53页 |
| 4.4.1 算法参数 | 第48-50页 |
| 4.4.2 ACADCG算法对收敛速度的影响 | 第50-52页 |
| 4.4.3 ACADCG算法在多种模型中综合性能分析 | 第52-53页 |
| 4.5 本章总结 | 第53-55页 |
| 第五章 基于重构Sigmoid函数的S-ACADCG算法 | 第55-63页 |
| 5.1 算法改进的相关工作 | 第55页 |
| 5.2 基于重构Sigmoid函数的S-ACADCG算法 | 第55-57页 |
| 5.2.1 Sigmoid函数 | 第55-57页 |
| 5.2.2 S-ACADCG算法的信息素最大最小值限制策略 | 第57页 |
| 5.3 仿真实验结果与分析 | 第57-62页 |
| 5.3.1 算法参数 | 第58页 |
| 5.3.2 改进策略在算法中对收敛速度的影响 | 第58-60页 |
| 5.3.3 具有改进策略的不同算法在多种模型中性能分析 | 第60-62页 |
| 5.4 本章总结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第69-70页 |
