量子蚁群算法的研究及应用
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| ·问题的提出 | 第12页 |
| ·现代优化问题的回顾 | 第12-18页 |
| ·模拟退火算法 | 第13-14页 |
| ·遗传算法 | 第14-15页 |
| ·禁忌搜索算法 | 第15-16页 |
| ·蚁群算法 | 第16-17页 |
| ·量子算法 | 第17-18页 |
| ·量子蚁群算法 | 第18页 |
| ·本论文的内容安排 | 第18-20页 |
| 第二章 量子算法和蚁群算法的优化机理 | 第20-40页 |
| ·量子算法的优化机理及模型描述 | 第20-30页 |
| ·量子计算机的优越性 | 第20-21页 |
| ·量子计算基础知识 | 第21-26页 |
| ·光的波粒二象性 | 第21-22页 |
| ·波函数 | 第22页 |
| ·量子位 | 第22-23页 |
| ·量子寄存器 | 第23-24页 |
| ·状态的叠加 | 第24-25页 |
| ·状态的相干 | 第25页 |
| ·状态的纠缠 | 第25页 |
| ·量子并行性 | 第25-26页 |
| ·量子计算智能的几种模型 | 第26-30页 |
| ·量子人工神经网络 | 第27页 |
| ·基于量子染色体的进化算法 | 第27页 |
| ·基于量子特性的优化算法 | 第27页 |
| ·量子聚类分析 | 第27-28页 |
| ·量子模式识别算法 | 第28页 |
| ·量子小波和小波包算法 | 第28-29页 |
| ·量子退火算法 | 第29页 |
| ·其他 | 第29-30页 |
| ·蚁群算法的优化机理及模型描述 | 第30-39页 |
| ·基本蚁群算法(AA)的优化机理 | 第30-31页 |
| ·基本蚁群算法模型 | 第31-33页 |
| ·蚁群算法的特征 | 第33-34页 |
| ·基本蚁群算法的改进模型 | 第34-39页 |
| ·最大最小蚁群算法(MMAS) | 第34-35页 |
| ·带杂交算子的蚁群算法 | 第35-37页 |
| ·具有随机扰动特性的蚁群算法 | 第37-38页 |
| ·具有变异特征的蚁群算法 | 第38-39页 |
| ·本节小结 | 第39-40页 |
| 第三章 量子蚁群算法的优化机理 | 第40-45页 |
| ·量子蚁群算法简介 | 第40页 |
| ·量子蚁群算法(QACA)设计 | 第40-44页 |
| ·量子编码特性 | 第40-41页 |
| ·量子旋转门自适应调整策略 | 第41-42页 |
| ·量子蚁群算法流程描述 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第四章 量子蚁群算法在TSP中的应用 | 第45-50页 |
| ·TSP的描述 | 第45页 |
| ·TSP的建模 | 第45-47页 |
| ·TSP | 第45-46页 |
| ·旅行售货员问题的量子蚁群算法 | 第46-47页 |
| ·TSP的量子蚁群描述 | 第46-47页 |
| ·实验结果分析与结论 | 第47-49页 |
| ·小节 | 第49-50页 |
| 第五章 量子蚁群算法在0-1背包问题中的应用 | 第50-55页 |
| ·背包问题及其算法研究现状 | 第50-52页 |
| ·背包问题的量子蚁群算法 | 第52-54页 |
| ·背包问题的量子描述 | 第52页 |
| ·背包问题的量子蚁群算法 | 第52-53页 |
| ·背包问题的量子蚁群算法分析 | 第53-54页 |
| ·量子蚁群算法的时间复杂性分析 | 第53页 |
| ·量子蚁群算法的有效执行 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论与展望 | 第55-57页 |
| 1.主要研究工作总结 | 第55页 |
| 2.展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 作者攻读硕士学位期间取得的相关科研成果 | 第61页 |
