| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| ·蚁群算法的研究现状 | 第9-10页 |
| ·本文的研究工作和安排 | 第10-12页 |
| 第2章 求解组合优化问题的智能优化算法 | 第12-17页 |
| ·组合优化问题 | 第12页 |
| ·几种典型的组合优化问题 | 第12-13页 |
| ·旅行商问题(traveling salesman problem，简称TSP) | 第12-13页 |
| ·0-1背包问题(knapsack problem) | 第13页 |
| ·图着色问题(graph coloring problem) | 第13页 |
| ·邻域函数及局部搜索 | 第13-15页 |
| ·部分智能优化算法简介 | 第15-17页 |
| ·遗传算法 | 第15页 |
| ·模拟退火算法 | 第15-16页 |
| ·蚁群算法 | 第16-17页 |
| 第3章 基本蚁群算法原理 | 第17-24页 |
| ·引言 | 第17页 |
| ·基本蚁群算法原理 | 第17-20页 |
| ·蚁群行为描述 | 第17-19页 |
| ·人工蚂蚁和真实蚂蚁的异同 | 第19页 |
| ·蚁群优化的特点 | 第19-20页 |
| ·基本蚁群算法数学模型 | 第20-22页 |
| ·基本蚁群算法实现步骤 | 第22-23页 |
| ·基本蚁群算法的优缺点 | 第23-24页 |
| 第4章 蚁群算法中参数的设置 | 第24-32页 |
| ·引言 | 第24页 |
| ·参数对算法性能影响的实验分析 | 第24-32页 |
| ·信息素残留因子对蚁群算法性能的影响 | 第24-26页 |
| ·信息启发因子α对蚁群算法性能的影响 | 第26页 |
| ·期望启发式因子β对蚁群算法性能的影响 | 第26-27页 |
| ·α、β、ρ组合配置对蚁群算法性能的影响 | 第27-32页 |
| 第5章 几种改进的蚁群算法 | 第32-45页 |
| ·引言 | 第32页 |
| ·带精英策略的蚁群系统 | 第32-33页 |
| ·蚁群系统 | 第33-34页 |
| ·蚁群系统状态转移规则 | 第33页 |
| ·局部更新规则 | 第33-34页 |
| ·全局更新规则 | 第34页 |
| ·最大最小蚂蚁系统 | 第34-36页 |
| ·几种改进的蚁群算法比较 | 第35-36页 |
| ·具有变异特征的蚁群系统 | 第36-37页 |
| ·具有变异特征的蚁群算法 | 第36页 |
| ·实验结果 | 第36-37页 |
| ·一种新的改进蚁群算法 | 第37-41页 |
| ·状态转移规则 | 第38页 |
| ·信息素的更新方式改进 | 第38-39页 |
| ·局部最优搜索策略 | 第39-40页 |
| ·算法步骤 | 第40页 |
| ·改进蚁群算法和基本蚁群算法实验对比 | 第40-41页 |
| ·蚁群算法收敛性分析 | 第41-45页 |
| 第6章 蚁群算法在车辆路径问题中的应用 | 第45-54页 |
| ·引言 | 第45页 |
| ·自适应蚁群算法在车辆路径问题中的应用 | 第45-54页 |
| ·车辆路径问题 | 第45页 |
| ·车辆路径问题与旅行商问题的联系与区别 | 第45-46页 |
| ·自适应蚁群算法设计 | 第46-51页 |
| ·算法分析 | 第51-54页 |
| 结论与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 附录 TSP BENCHMARK问题 | 第61-62页 |
| 攻读硕士学位期间发表的文章 | 第62页 |
