首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

改进量子蚁群算法的研究及应用

摘要第1-4页
Abstract第4-8页
第1章 绪论第8-12页
   ·研究背景与意义第8-9页
   ·国内外研究现状第9-10页
   ·论文组织安排第10-12页
第2章 量子算法和蚁群算法的优化机理第12-23页
   ·量子算法的优化机理及模型第12-20页
     ·量子计算基础第12-15页
     ·量子优化算法的几种模型第15-20页
   ·蚁群算法第20-22页
     ·蚁群算法的原理第20-21页
     ·蚁群算法的特点与不足第21-22页
   ·本章小结第22-23页
第3章 量子蚁群算法的优化机理第23-27页
   ·量子蚁群算法简介第23页
   ·量子蚁群算法(QACA)设计第23-26页
     ·量子编码特性第23-24页
     ·量子旋转门调整策略第24-25页
     ·量子蚁群算法流程描述第25-26页
   ·本章小结第26-27页
第4章 基于MapReduce的量子蚁群算法第27-40页
   ·MapReduce模型概述第27-33页
     ·MapReduce的编程模型第28页
     ·MapReduce的典型应用第28-29页
     ·MapReduce模型的实现方法第29-33页
   ·量子蚁群算法的MapReduce实现—MQACA算法第33-35页
     ·MQACA算法步骤第33-34页
     ·Map阶段第34页
     ·Reduce阶段第34-35页
   ·实验及分析第35-39页
     ·实验环境第35-36页
     ·集群加速比和效率第36页
     ·实验结果分析第36-39页
   ·本章小结第39-40页
第5章 基于变换邻域的改进量子蚁群算法第40-53页
   ·Lin-Kernighan经典算法第40-43页
   ·改进量子蚁群算法及其在TSP中的应用第43-49页
     ·TSP简述第43页
     ·量子信息编码第43-44页
     ·信息素更新规则第44-46页
     ·变换邻域准则第46-48页
     ·算法实现流程第48-49页
   ·实验及分析第49-52页
   ·本章小结第52-53页
第6章 总结及展望第53-55页
   ·总结第53页
   ·展望第53-55页
参考文献第55-58页
致谢第58-59页
攻读硕士学位期间发表的论文及获奖情况第59页

论文共59页,点击 下载论文
上一篇:基于特征匹配的WEB应用防火墙的研究与实现
下一篇:流形学习算法研究与应用