| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-9页 |
| 1．1 蚁群算法的研究现状 | 第7-8页 |
| 1．2 本文主要工作和安排 | 第8-9页 |
| 第二章 求解组合优化问题的仿生进化算法 | 第9-19页 |
| 2．1 引言 | 第9页 |
| 2．2 组合优化问题 | 第9-11页 |
| 2．2．1 算法复杂性 | 第10-11页 |
| 2．2．2 NP完全问题 | 第11页 |
| 2．3 旅行商问题 | 第11-12页 |
| 2．4 仿生进化算法概述 | 第12-18页 |
| 2．4．1 动态规划 | 第13-14页 |
| 2．4．2 遗传算法 | 第14-15页 |
| 2．4．3 人工神经网络 | 第15-16页 |
| 2．4．4 模拟退火算法 | 第16页 |
| 2．4．5 蚁群算法 | 第16-17页 |
| 2．4．6 几种算法的比较 | 第17-18页 |
| 2．5 本章小结 | 第18-19页 |
| 第三章 基本蚁群算法模型及改进模型 | 第19-30页 |
| 3．1 蚁群算法的生物学模型 | 第19-21页 |
| 3．2 基本蚁群系统模型及算法实现 | 第21-23页 |
| 3．3 蚁群算法的特征 | 第23-24页 |
| 3．4 基本蚁群算法的改进模型 | 第24-29页 |
| 3．4．1 最大最小蚁群算法(MMAS) | 第24-25页 |
| 3．4．2 带杂交算子的蚁群算法 | 第25-27页 |
| 3．4．3 具有随机扰动特性的蚁群算法 | 第27-29页 |
| 3．4．4 具有变异特征的蚁群算法 | 第29页 |
| 3．5 本章小结 | 第29-30页 |
| 第四章 蚁群算法分析 | 第30-43页 |
| 4．1 算法中主要参数分析 | 第30-39页 |
| 4．1．1 信息激素启发因子α和自启发量因子β的分析 | 第30-34页 |
| 4．1．2 信息激素挥发系数ρ的分析 | 第34-36页 |
| 4．1．3 蚂蚁数量M的分析 | 第36-38页 |
| 4．1．4 常量q_0的分析 | 第38页 |
| 4．1．5 总信息量Q的分析 | 第38-39页 |
| 4．2 算法复杂度分析 | 第39-42页 |
| 4．2．1 时间复杂度分析 | 第39-41页 |
| 4．2．2 空间复杂度分析 | 第41-42页 |
| 4．3 本章小结 | 第42-43页 |
| 第五章 改进的蚁群算法 | 第43-50页 |
| 5．1 信息激素更新方式 | 第43-44页 |
| 5．2 变参数 | 第44页 |
| 5．3 局部最优搜索策略 | 第44-45页 |
| 5．4 改进算法收敛性分析 | 第45-46页 |
| 5．5 实验结果及分析 | 第46-49页 |
| 5．6 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6．1 本文工作总结 | 第50-51页 |
| 6．2 研究展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 附录 | 第55-57页 |
| 攻读学位期间取得的相关科研成果 | 第57页 |