基于混合遗传算法的TSP优化问题求解
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 TSP问题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 求解TSP问题的智能算法 | 第12-13页 |
| 1.2.2 遗传算法的产生与发展 | 第13-15页 |
| 1.3 论文所做工作及结构介绍 | 第15-16页 |
| 第二章 TSP问题和遗传算法 | 第16-27页 |
| 2.1 TSP问题 | 第16-17页 |
| 2.1.1 TSP问题的描述 | 第16-17页 |
| 2.1.2 TSP问题的数学模型 | 第17页 |
| 2.2 遗传算法 | 第17-20页 |
| 2.2.1 遗传算法的基本概念 | 第18-19页 |
| 2.2.2 遗传算法的通用流程 | 第19-20页 |
| 2.3 遗传算法求解TSP问题的基本操作 | 第20-25页 |
| 2.3.1 编码 | 第21页 |
| 2.3.2 初始种群 | 第21-22页 |
| 2.3.3 适应度函数 | 第22页 |
| 2.3.4 选择 | 第22-23页 |
| 2.3.5 交叉 | 第23-25页 |
| 2.3.6 变异 | 第25页 |
| 2.4 遗传算法求解TSP问题的步骤 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 求解TSP问题的混合遗传算法设计 | 第27-39页 |
| 3.1 混合遗传算法的改进思想 | 第27-28页 |
| 3.2 个体编码和适应度函数 | 第28页 |
| 3.2.1 个体编码 | 第28页 |
| 3.2.2 适应度函数 | 第28页 |
| 3.3 混合遗传算法的其他算子 | 第28-30页 |
| 3.3.1 种群初始化 | 第28-29页 |
| 3.3.2 选择算子 | 第29页 |
| 3.3.3 交叉算子 | 第29-30页 |
| 3.3.4 变异算子 | 第30页 |
| 3.4 局部搜索算子 | 第30-31页 |
| 3.5 混合遗传算法的步骤描述 | 第31页 |
| 3.6 实验结果及分析 | 第31-38页 |
| 3.6.1 参数设置及测试样例 | 第32页 |
| 3.6.2 实验结果对比 | 第32-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 不确定TSP问题 | 第39-47页 |
| 4.1 不确定性 | 第39-40页 |
| 4.2 基本不确定TSP模型 | 第40-42页 |
| 4.2.1 随机机会约束规划模型 | 第40页 |
| 4.2.2 不确定TSP模型的目标函数 | 第40-41页 |
| 4.2.3 不确定TSP问题的随机分布 | 第41页 |
| 4.2.4 不确定TSP模型中的评价标准 | 第41-42页 |
| 4.2.5 UHGA求解不确定TSP问题 | 第42页 |
| 4.3 实验结果及分析 | 第42-46页 |
| 4.3.1 参数设置及测试样例 | 第42-43页 |
| 4.3.2 实验结果对比 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 ：读研期间科研情况 | 第54页 |
