蚁群算法的研究及其应用
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 论文研究思路与主要工作 | 第9-10页 |
| 1.4 本章小结 | 第10-11页 |
| 2 蚁群算法基本理论及应用 | 第11-29页 |
| 2.1 基本蚁群算法原理 | 第11-14页 |
| 2.1.1 蚂蚁觅食的生物学基础 | 第11-12页 |
| 2.1.2 蚁群算法的基本概念 | 第12-13页 |
| 2.1.3 蚁群算法的特点 | 第13-14页 |
| 2.2 基本蚁群算法的数学模型 | 第14-19页 |
| 2.2.1 TSP问题描述 | 第14-15页 |
| 2.2.2 蚁群算法的数学模型 | 第15-18页 |
| 2.2.3 基本蚁群算法的具体实现步骤 | 第18-19页 |
| 2.3 蚁群算法群体智能搜索策略分析 | 第19-20页 |
| 2.4 蚁群算法的参数分析 | 第20-26页 |
| 2.4.1 信息素残留因子ρ的分析 | 第21页 |
| 2.4.2 蚂蚁数目m的分析 | 第21-23页 |
| 2.4.3 信息启发式因子α的分析 | 第23-24页 |
| 2.4.4 期望启发式 β的分析 | 第24-25页 |
| 2.4.5 信息素强度Q的分析 | 第25-26页 |
| 2.5 蚁群算法的典型应用 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 蚁群算法改进研究 | 第29-34页 |
| 3.1 蚁群系统（ACS） | 第29-30页 |
| 3.2 遗传算法与蚁群算法的融合 | 第30-31页 |
| 3.3 自适应蚁群算法 | 第31-32页 |
| 3.4 其他改进的算法 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 基于反序算子改进的蚁群算法 | 第34-41页 |
| 4.1 问题的提出 | 第34-35页 |
| 4.2 反序算子 | 第35页 |
| 4.3 Metropolis判断准则 | 第35页 |
| 4.4 基于反序算子的改进蚁群算法 | 第35-36页 |
| 4.4.1 信息素更新规则的改进 | 第35-36页 |
| 4.4.2 对每条路径进行优化 | 第36页 |
| 4.5 改进算法的参数分析及选取 | 第36-38页 |
| 4.6 仿真实验及数据结果分析 | 第38-40页 |
| 4.7 本章小结 | 第40-41页 |
| 5 结束语 | 第41-43页 |
| 5.1 本文总结 | 第41-42页 |
| 5.2 未来展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录 作者在攻取学位期间发表的论文目录 | 第47页 |
