基于蚁群算法的TSP优化算法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·蚁群算法的研究意义 | 第9页 |
| ·蚁群算法的研究现状 | 第9-11页 |
| ·论文的主要工作 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 几种优化算法介绍 | 第13-25页 |
| ·传统算法模型介绍 | 第13-16页 |
| ·Dijkstra算法概述 | 第13-15页 |
| ·Floyd算法概述 | 第15-16页 |
| ·Dijkstra算法、Floyd算法的两种算法 | 第16页 |
| ·几种仿生优化算法介绍 | 第16-24页 |
| ·遗传算法 | 第16-18页 |
| ·人工神经网络 | 第18-19页 |
| ·微粒群算法 | 第19-20页 |
| ·人工免疫算法 | 第20-21页 |
| ·蚁群算法 | 第21-22页 |
| ·几种仿生算法的比较 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 蚁群算法的基本原理及其分析 | 第25-36页 |
| ·蚁群算法的基本原理 | 第25-27页 |
| ·蚁群行为的描述 | 第25-27页 |
| ·人工蚂蚁和真实蚂蚁的异同 | 第27页 |
| ·基本蚁群算法的特征 | 第27-29页 |
| ·基本蚂蚁算法的机制原理 | 第29-30页 |
| ·基本蚁群算法的数学模型 | 第30-32页 |
| ·基本蚁群算法的时间和空间复杂度分析 | 第32-34页 |
| ·时间复杂度 | 第32-33页 |
| ·空间复杂度 | 第33-34页 |
| ·基本蚁群算法的优缺点 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第四章 优化蚁群算法 | 第36-54页 |
| ·基本蚂蚁路径算法的简介 | 第36-37页 |
| ·优化选路算法 | 第37-42页 |
| ·蚂蚁泛滥 | 第37页 |
| ·信息素扩散机制 | 第37-39页 |
| ·用于求解TSP的信息素扩散模型 | 第39-40页 |
| ·基于信息素扩散的蚁群算法流程 | 第40-42页 |
| ·TSP问题简介 | 第42-44页 |
| ·仿真实验参数的选择 | 第44-46页 |
| ·优化蚁群算法的实现 | 第46-52页 |
| ·仿真实验及结果对比 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| ·本文研究的主要工作及结论 | 第54页 |
| ·不足与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
