首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于蚁群优化算法的TSP问题研究

中文摘要第1-3页
ABSTRACT第3-9页
第1章 引言第9-11页
   ·问题的提出第9页
   ·本文研究内容第9-10页
   ·本文的组织第10-11页
第2章 蚁群优化算法第11-24页
   ·优化算法第11-14页
     ·基本概念和术语第11页
     ·优化算法第11-14页
   ·群体智能简介第14-15页
   ·蚁群系统及其研究概述第15-19页
     ·蚁群系统简介第15-17页
     ·蚁群系统研究现状第17-18页
     ·蚁群系统的应用领域第18-19页
   ·TSP问题简介第19-21页
     ·TSP问题的定义第19-20页
     ·TSP问题的实用价值第20页
     ·TSP问题的理论意义第20页
     ·所有求解TSP问题的方法的简介第20-21页
   ·基本蚁群优化算法模型第21-22页
   ·基本蚁群优化算法描述第22-23页
   ·基本蚁群优化算法的缺陷第23-24页
第3章 蚁群优化算法中参数的设置及收敛性的研究第24-34页
   ·参数的设置第24-30页
     ·关键参数介绍第24页
     ·不同参数设置的试验第24-26页
       ·信息素挥发度的设置第24-25页
       ·蚁群数量的设置第25页
       ·启发式因子的选择设置第25-26页
     ·试验结果和结论第26-30页
       ·信息素挥发度第26-27页
       ·蚁群数量的设置第27-29页
       ·启发式因子的选择设置第29-30页
   ·收敛性的研究第30-34页
     ·收敛性定理第30-33页
     ·改善收敛性的途径第33-34页
第4章 蚁群优化算法的改良第34-48页
   ·理论基础第34-36页
     ·路径选择机制第34页
     ·信息素更新机制第34-35页
     ·权函数第35页
     ·阈限原理第35-36页
   ·算法的改进第36-40页
     ·改良的初步设想第36-37页
     ·改良的途径第37-39页
       ·增加最小信息素设置第37页
       ·信息素更新机制的改良第37-38页
       ·路径选择机制的改良第38页
       ·权函数的自适应调整第38-39页
     ·改良后的算法模型第39-40页
   ·改良算法的实验及结果分析第40-47页
     ·实验简述第40-41页
     ·相关参数设置第41-44页
       ·信息素挥发度第42页
       ·蚁群数量的设置第42-43页
       ·启发式因子的选择设置第43-44页
     ·实验结果分析第44-47页
       ·实验结果第44-45页
       ·实验结果分析第45-47页
         ·全局最优路径分析第45-46页
         ·局部最优路径分析第46-47页
   ·本章小结第47-48页
第5章 改良后蚁群优化算法的实现第48-51页
   ·初步设想第48页
   ·算法重点详述第48-51页
第6章 结论和展望第51-52页
参考文献第52-55页
攻读硕士学位期间公开发表的学术论文第55-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:多传感器图像融合算法研究
下一篇:基于磁通反馈的悬浮控制研究