蚁群算法优化及应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 引言 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究工作及结构安排 | 第12-13页 |
| 2 蚁群算法及其相关理论概述 | 第13-21页 |
| 2.1 仿生优化算法 | 第13-14页 |
| 2.1.1 仿生优化算法概述 | 第13页 |
| 2.1.2 几种常用仿生优化算法比较 | 第13-14页 |
| 2.2 蚁群算法概述 | 第14-16页 |
| 2.2.1 蚁群算法描述 | 第14页 |
| 2.2.2 蚁群算法中蚂蚁与真实蚂蚁的异同 | 第14-16页 |
| 2.2.3 蚁群算法的特点 | 第16页 |
| 2.3 蚂蚁觅食策略 | 第16-17页 |
| 2.4 蚁群算法基本原理 | 第17-18页 |
| 2.5 蚁群算法实现步骤 | 第18-19页 |
| 2.6 本章小结 | 第19-21页 |
| 3 蚁群算法参数研究 | 第21-26页 |
| 3.1 启发式因子α对蚁群算法的影响 | 第21-22页 |
| 3.2 期望启发因子β对蚁群算法的影响 | 第22-24页 |
| 3.3 信息素挥发因子ρ对蚁群算法的影响 | 第24-25页 |
| 3.4 本章小节 | 第25-26页 |
| 4 蚁群算法改进 | 第26-34页 |
| 4.1 基于任务提前终止策略的蚁群改进算法 | 第26-28页 |
| 4.1.1 任务提前终止策略思想 | 第26页 |
| 4.1.2 任务提前终止策略原理 | 第26-27页 |
| 4.1.3 实验结果 | 第27-28页 |
| 4.1.4 结论 | 第28页 |
| 4.2 基于赌盘算法的改进蚁群算法 | 第28-31页 |
| 4.2.1 算法思想 | 第28-29页 |
| 4.2.2 算法原理 | 第29页 |
| 4.2.3 实验结果 | 第29-31页 |
| 4.2.4 结论 | 第31页 |
| 4.3 基于信息素挥发因子优化的改进蚁群算法 | 第31-33页 |
| 4.3.1 信息素挥发因子ρ对算法性能的影响 | 第31-32页 |
| 4.3.2 信息素挥发因子ρ自调整原理 | 第32页 |
| 4.3.3 实验结果 | 第32-33页 |
| 4.3.4 结论 | 第33页 |
| 4.4 本章小结 | 第33-34页 |
| 5 改进后的蚁群算法在TSP的应用 | 第34-46页 |
| 5.1 组合优化问题 | 第34页 |
| 5.2 NP完全问题 | 第34页 |
| 5.3 TSP概述 | 第34-35页 |
| 5.4 TSP发展史 | 第35页 |
| 5.5 求解TSP的复杂性 | 第35-36页 |
| 5.6 求解TSP常用算法 | 第36-37页 |
| 5.6.1 遗传算法求解TSP | 第36页 |
| 5.6.2 模拟退火算法求解TSP | 第36页 |
| 5.6.3 人工免疫算法求解TSP | 第36-37页 |
| 5.6.4 人工神经网络求解TSP | 第37页 |
| 5.7 蚁群算法求解TSP | 第37-38页 |
| 5.8 改进后蚁群算法求解TSP步骤 | 第38-39页 |
| 5.9 仿真实验结果及分析 | 第39-44页 |
| 5.10 本章小节 | 第44-46页 |
| 6 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 作者简介 | 第52页 |
