基于群智能和聚类集成的TSP研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.1.1 群智能算法 | 第10页 |
| 1.1.2 TSP的问题描述 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文研究内容以及章节安排 | 第12-13页 |
| 1.4 实验环境 | 第13-14页 |
| 2 三角形法 | 第14-18页 |
| 2.1 算法描述 | 第14-16页 |
| 2.2 实验 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 蚁群算法 | 第18-27页 |
| 3.1 群智能算法的优缺点 | 第18页 |
| 3.2 传统蚁群算法 | 第18-23页 |
| 3.2.1 多种蚁群算法的区别 | 第19-21页 |
| 3.2.2 传统蚁群算法的信息素增量模型 | 第21-22页 |
| 3.2.3 蚁群算法伪代码 | 第22页 |
| 3.2.4 蚁群算法的优缺点 | 第22-23页 |
| 3.2.5 蚁群算法的收敛性 | 第23页 |
| 3.3 ACO求解TSP | 第23-25页 |
| 3.4 本章小结 | 第25-27页 |
| 4 基于改进蚁群算法和K-means的TSP研究 | 第27-37页 |
| 4.1 改进蚁群算法的初始矩阵 | 第27-29页 |
| 4.2 基于K-means优化蚁群算法 | 第29-32页 |
| 4.2.1 K-means聚类算法 | 第29页 |
| 4.2.2 Fuzzy c- means | 第29-30页 |
| 4.2.3 关联矩阵 | 第30-32页 |
| 4.2.4 划分数据集 | 第32页 |
| 4.3 优化蚁群算法的具体过程 | 第32-34页 |
| 4.4 实验 | 第34-36页 |
| 4.5 本章小结 | 第36-37页 |
| 5 受限边空间下的蚁群算法 | 第37-43页 |
| 5.1 受限边空间 | 第37-38页 |
| 5.2 基于受限边空间的优化 | 第38-41页 |
| 5.3 实验 | 第41-42页 |
| 5.4 本章小结 | 第42-43页 |
| 6 优化EAX求解TSP | 第43-51页 |
| 6.1 传统遗传算法 | 第43-47页 |
| 6.1.1 遗传算法进化算子 | 第43-46页 |
| 6.1.2 遗传算法的收敛性 | 第46-47页 |
| 6.2 优化EAX算法 | 第47-49页 |
| 6.3 实验 | 第49-50页 |
| 6.4 本章小结 | 第50-51页 |
| 7 混合改进蚁群和优化的EAX求解TSP | 第51-56页 |
| 7.1 正态分布的区间划分 | 第52页 |
| 7.2 混合优化的EAX和改进蚁群 | 第52-53页 |
| 7.3 实验 | 第53-55页 |
| 7.4 本章小结 | 第55-56页 |
| 8 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |
