| 1 绪论 | 第1-19页 |
| ·引言 | 第8-9页 |
| ·遗传算法简介 | 第9-14页 |
| ·遗传算法的基本概念 | 第9-11页 |
| ·遗传算法的基本原理 | 第11-12页 |
| ·遗传算法的步骤和意义 | 第12-14页 |
| ·遗传算法研究现状 | 第14-18页 |
| ·本文主要内容 | 第18-19页 |
| 2 计算复杂性问题 | 第19-24页 |
| ·计算复杂性与NP 问题 | 第19-20页 |
| ·搜索空间与NP 难题 | 第20-21页 |
| ·一些典型的NP 完全问题 | 第21-22页 |
| ·旅行商问题(Traveling Salesman Problem,简称TSP) | 第21-22页 |
| ·顶点覆盖问题 | 第22页 |
| ·子集合问题 | 第22页 |
| ·哈密顿回路问题 | 第22页 |
| ·NP 完全问题的近似解法 | 第22-24页 |
| 3 本遗传算法的改进 | 第24-33页 |
| ·引言 | 第24-25页 |
| ·种群“早熟”程度的定量评价指标 | 第25-29页 |
| ·三种定量评价指标的定义 | 第25-27页 |
| ·三种指标性能评述 | 第27-28页 |
| ·新的种群“早熟”程度评价指标 | 第28-29页 |
| ·改进的自适应遗传算法 | 第29-32页 |
| ·算法描述 | 第29-31页 |
| ·实例计算 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 遗传算法在 TSP 问题中的应用 | 第33-60页 |
| ·遗传算法的应用领域 | 第33页 |
| ·遗传算法在TSP 问题中的应用 | 第33-60页 |
| ·旅行商问题的描述与建摸 | 第34页 |
| ·自适应遗传算法解决TSP 问题程序设计框架 | 第34-38页 |
| ·用遗传算法解决TSP 问题的步骤 | 第38-53页 |
| ·用遗传算法解决TSP 问题与其他近似搜索算法的比较 | 第53-60页 |
| 5 结束语 | 第60-62页 |
| ·本文主要工作 | 第60-61页 |
| ·进一步的工作 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |