首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

改进的蚁群优化算法及其在TSP中的应用

摘要第1-4页
ABSTRACT第4-8页
1 绪论第8-15页
   ·引言第8页
   ·蚁群优化算法第8-12页
     ·蚁群行为描述第8-10页
     ·蚁群优化算法的机制原理第10-12页
     ·蚁群优化算法特点第12页
   ·蚁群优化算法研究现状第12-13页
   ·本文主要工作第13-15页
2 基本蚁群算法第15-22页
   ·引言第15页
   ·旅行商问题(TSP)第15页
   ·基本蚁群算法第15-21页
     ·基本蚁群算法的机制原理第15-17页
     ·基本蚁群算法数学模型第17-19页
     ·基本蚁群算法的具体实现第19-21页
   ·本章小结第21-22页
3 蚁群优化(ACO)元启发式及其收敛性第22-34页
   ·引言第22页
   ·蚁群优化元启发式算法第22-28页
     ·人工蚂蚁与真实蚂蚁异同第22-23页
     ·蚁群优化元启发式第23-28页
   ·蚁群优化的收敛性第28-33页
     ·蚁群优化收敛性概述第28页
     ·保证收敛到最优的ACO 算法第28-33页
   ·本章小结第33-34页
4 蚁群算法的改进算法第34-49页
   ·引言第34页
   ·蚁群算法的优点与不足第34页
   ·蚁群算法的改进第34-38页
     ·精华蚂蚁系统第34-35页
     ·基于排列的蚂蚁系统第35页
     ·最大最小蚂蚁系统第35-36页
     ·蚁群系统第36-37页
     ·各种蚁群算法的比较第37-38页
   ·基于交税的蚁群算法(RACA)第38-42页
     ·引言第38页
     ·RACA 算法设计第38-40页
     ·RACA 算法的实现过程第40页
     ·仿真实验第40-42页
   ·带路径评估的蚁群算法(REACA)第42-48页
     ·引言第42页
     ·REACA 算法设计第42-44页
     ·REACA 算法实现第44-46页
     ·仿真实验第46-48页
   ·本章小结第48-49页
5 总结与展望第49-51页
   ·总结第49页
   ·展望第49-51页
致谢第51-52页
参考文献第52-55页
附录第55页

论文共55页,点击 下载论文
上一篇:数据挖掘中基于遗传算法的聚类方法应用研究
下一篇:针对非均匀数据集的DBSCAN过滤式改进算法