| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·问题的提出及研究意义 | 第9-11页 |
| ·问题的提出 | 第9页 |
| ·研究的意义 | 第9-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·算法自身的改进 | 第12-13页 |
| ·参数的动态自适应 | 第13页 |
| ·基于小生境技术的遗传算法 | 第13页 |
| ·混合遗传算法 | 第13-14页 |
| ·并行遗传算法 | 第14-15页 |
| ·本文的研究内容 | 第15-16页 |
| 2 遗传算法基本理论 | 第16-30页 |
| ·遗传算法的基本概念 | 第16页 |
| ·遗传算法的基本要素 | 第16-25页 |
| ·编码策略 | 第17-20页 |
| ·适应度函数 | 第20-21页 |
| ·遗传算子 | 第21-24页 |
| ·控制参数 | 第24-25页 |
| ·遗传算法的步骤 | 第25-27页 |
| ·初始化 | 第25-26页 |
| ·选择 | 第26页 |
| ·交叉 | 第26页 |
| ·变异 | 第26页 |
| ·输出判断 | 第26-27页 |
| ·遗产算法的基本定理 | 第27-30页 |
| ·模式定理(schemata theorem) | 第27-28页 |
| ·积木块假设与欺骗问题 | 第28-29页 |
| ·隐并行性定理 | 第29页 |
| ·收敛性分析 | 第29-30页 |
| 3 遗传算法在 TSP中的应用 | 第30-35页 |
| ·最优化问题 | 第30页 |
| ·旅行推销商问题描述 | 第30-31页 |
| ·遗传算法对 TSP的编码方法 | 第31-32页 |
| ·顺序编码 | 第31-32页 |
| ·次序编码 | 第32页 |
| ·布尔矩阵编码 | 第32页 |
| ·适应度函数的选择 | 第32页 |
| ·针对 TSP的遗传操作算子 | 第32-35页 |
| ·选择算子 | 第32-33页 |
| ·交叉算子 | 第33-34页 |
| ·变异算子 | 第34-35页 |
| 4 基于基因库和多重搜索策略求解 TSP的遗传算法 | 第35-42页 |
| ·单亲演化过程 | 第35-36页 |
| ·TSP编码表示 | 第35页 |
| ·构建 TSP基因库 | 第35-36页 |
| ·单亲演化算法 | 第36页 |
| ·群体演化过程 | 第36-39页 |
| ·交叉算子 | 第36-37页 |
| ·局部启发式算子 | 第37-38页 |
| ·选择机制和收敛准则 | 第38页 |
| ·基于多重搜索策略的群体演化算法 | 第38-39页 |
| ·实验结果与分析 | 第39-42页 |
| 5 小生境自适应混合遗传算法求解 TSP | 第42-58页 |
| ·小生境自适应混合遗传算法思想 | 第42-43页 |
| ·物种形成与小生境技术 | 第43-45页 |
| ·基于预选择(preselection)机制的小生境技术 | 第43页 |
| ·基于排挤(crowding)机制的小生境技术 | 第43-44页 |
| ·基于共享(sharing)机制的小生境技术 | 第44页 |
| ·局部竞争小生境技术 | 第44-45页 |
| ·种群“早熟”的评价指标与自适应技术 | 第45-49页 |
| ·三种评价指标 | 第45-47页 |
| ·三种指标性能评价 | 第47页 |
| ·新的种群“早熟”评价指标 | 第47-48页 |
| ·自适应技术 | 第48-49页 |
| ·改进算法的复杂性和收敛性分析 | 第49-50页 |
| ·复杂性分析 | 第49页 |
| ·收敛性分析 | 第49-50页 |
| ·混合遗传算法 | 第50-51页 |
| ·系统设计方案 | 第51-52页 |
| ·系统实现过程 | 第51-52页 |
| ·系统流程 | 第52页 |
| ·实验结果分析 | 第52-58页 |
| ·群体大小对算法的影响 | 第52-54页 |
| ·小生境技术对算法的影响 | 第54-55页 |
| ·指定概率和新旧指标概率动态自适应的比较 | 第55-56页 |
| ·局部搜索对算法的影响 | 第56-58页 |
| 6 问题的总结与展望 | 第58-60页 |
| ·问题总结 | 第58页 |
| ·研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-66页 |
| 独创性声明 | 第66页 |
| 学位论文版权使用授权书 | 第66页 |