求解推广的最小生成树的启发式算法设计
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-11页 |
| 1 预备知识 | 第11-28页 |
| ·最小生成树MST | 第11-12页 |
| ·推广最小生成树GMST | 第12-13页 |
| ·局部最优和全局最优 | 第13-14页 |
| ·计算复杂性 | 第14页 |
| ·算法复杂性 | 第14页 |
| ·问题复杂性 | 第14页 |
| ·元启发式算法 | 第14-17页 |
| ·启发式算法的概念 | 第14-15页 |
| ·元启发式算法 | 第15-17页 |
| ·蚁群优化算法 | 第17-24页 |
| ·蚁群算法的诞生 | 第17-18页 |
| ·双桥实验 | 第18-20页 |
| ·真实蚂蚁向人工蚂蚁转换 | 第20-22页 |
| ·典型的蚁群算法 | 第22-23页 |
| ·启发式算法的概念 | 第23-24页 |
| ·蚁群算法的应用 | 第24页 |
| ·启发集 | 第24-28页 |
| ·启发集定义 | 第24页 |
| ·GMST问题的启发集 | 第24-28页 |
| 2 动态启发集局部搜索算法DASA | 第28-36页 |
| ·算法总体框架 | 第28-29页 |
| ·初始解的生成 | 第29-30页 |
| ·调整启发集大小 | 第30页 |
| ·局部搜索 | 第30-33页 |
| ·随机扰动 | 第33-34页 |
| ·Path Relinking | 第34-36页 |
| 3 FANT算法求解GMST问题 | 第36-42页 |
| ·算法框架 | 第36-37页 |
| ·信息素初始化 | 第37-38页 |
| ·初始解的生成 | 第38页 |
| ·信息素更新 | 第38页 |
| ·局部搜索加速 | 第38-42页 |
| 4 实验及分析 | 第42-55页 |
| ·实验环境 | 第42页 |
| ·DASA使用的GMST实例 | 第42页 |
| ·DASA算法结果 | 第42-45页 |
| ·FANT算法使用的GMST实例 | 第45页 |
| ·FANT算法实验结果 | 第45-55页 |
| ·参数确定 | 第45-53页 |
| ·大实例上的实验结果 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-61页 |
