| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景和意义 | 第11-14页 |
| ·研究现状 | 第14-18页 |
| ·主要内容和创新点 | 第18-19页 |
| ·论文结构和后续章节安排 | 第19-20页 |
| 第二章 经典人工蜂群算法 | 第20-25页 |
| ·基本过程 | 第20-22页 |
| ·算法步骤及其流程图 | 第22-23页 |
| ·小结 | 第23-25页 |
| 第三章 改进人工蜂群算法及其数值仿真 | 第25-42页 |
| ·改进的人工蜂群算法及其流程图 | 第25-32页 |
| ·基于反学习理论的初始种群构造 | 第25-26页 |
| ·基于“S”型分组的子种群分组 | 第26-27页 |
| ·灵敏度-信息素选择方式 | 第27-28页 |
| ·自适应调整因子的搜索方式 | 第28-30页 |
| ·改进人工蜂群算法的流程图 | 第30-32页 |
| ·数值仿真 | 第32-41页 |
| ·收敛曲线图形及分析 | 第34-40页 |
| ·平均值和标准差的比较 | 第40页 |
| ·总运行时间的比较 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第四章 改进人工蜂群算法的收敛性分析 | 第42-46页 |
| ·改进人工蜂群算法的Markov性 | 第42-43页 |
| ·改进人工蜂群算法的依概率收敛性 | 第43-44页 |
| ·改进人工蜂群算法的几乎处处强收敛性 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第五章 改进人工蜂群算法应用于旅行商问题 | 第46-53页 |
| ·旅行商问题 | 第46-47页 |
| ·利用改进人工蜂群算法求解旅行商问题 | 第47-52页 |
| ·小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-63页 |
| 攻读学位期间发表的学术论文及研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65-72页 |
| 附录1 均值和标准差 | 第65-68页 |
| 附录2 六种算法的运行时间表（单位：秒） | 第68-70页 |
| 附录3 时间减少率 | 第70-71页 |
| 附录4 TSP的标准测试库中eil51的51个城市坐标 | 第71页 |
| 附录5 eil51优化路径以及优化路径长度 | 第71-72页 |