仿生算法及其在专家分配问题中的应用
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-24页 |
| ·仿生算法 | 第8-14页 |
| ·遗传算法 | 第9-11页 |
| ·蚁群优化算法 | 第11-14页 |
| ·优化问题 | 第14-15页 |
| ·连续优化问题 | 第14页 |
| ·组合优化问题 | 第14-15页 |
| ·专家分配问题 | 第15-23页 |
| ·专家分配问题的研究背景和意义 | 第15-17页 |
| ·专家分配问题的主要内容和研究步骤 | 第17-19页 |
| ·专家分配问题的研究现状 | 第19-20页 |
| ·专家分配问题的数学模型 | 第20-21页 |
| ·专家分配问题的求解方法选择 | 第21-23页 |
| ·研究内容 | 第23-24页 |
| 第二章 遗传算法研究 | 第24-47页 |
| ·遗传算法简介 | 第24-32页 |
| ·遗传算法的基本原理 | 第24-25页 |
| ·遗传算法流程 | 第25-28页 |
| ·遗传算子 | 第28-30页 |
| ·遗传算法的特点 | 第30-32页 |
| ·基于负选择的遗传算法 | 第32-35页 |
| ·负选择 | 第32-33页 |
| ·算法描述 | 第33页 |
| ·仿真实验 | 第33-35页 |
| ·改进遗传算法的多样性 | 第35-47页 |
| ·小生境遗传算法 | 第35-37页 |
| ·具有局部搜索能力的小生境遗传算法 | 第37-41页 |
| ·小生境遗传算法与神经网络结合 | 第41-47页 |
| 第三章 蚁群优化算法研究 | 第47-74页 |
| ·蚁群优化算法简介 | 第47-55页 |
| ·蚁群优化算法的基本原理 | 第47-49页 |
| ·主要的蚁群优化算法 | 第49-54页 |
| ·蚁群优化算法的当前研究热点 | 第54-55页 |
| ·具有先验知识的蚁群优化算法 | 第55-61页 |
| ·先验知识 | 第56-58页 |
| ·算法流程描述 | 第58-59页 |
| ·仿真实验 | 第59-61页 |
| ·混合蚂蚁遗传算法 | 第61-74页 |
| ·蚁群优化算法与遗传算法的比较 | 第61-62页 |
| ·混合研究现状 | 第62-63页 |
| ·第一种混合策略 | 第63-67页 |
| ·第二种混合策略 | 第67-74页 |
| 第四章 遗传算法求解专家分配问题 | 第74-96页 |
| ·专家分配问题的分析 | 第74-76页 |
| ·基本遗传算法 | 第76-80页 |
| ·数据初始化 | 第76-77页 |
| ·编码设计 | 第77页 |
| ·适应度函数的构造 | 第77-78页 |
| ·遗传算子设计 | 第78-80页 |
| ·初始种群的产生 | 第80页 |
| ·改进算法 | 第80-87页 |
| ·信息素矩阵的建立 | 第81页 |
| ·信息素更新方程 | 第81页 |
| ·改进交叉算子 | 第81-84页 |
| ·改进变异算子 | 第84-87页 |
| ·实验结果与分析 | 第87-96页 |
| 第五章 蚁群优化算法求解专家分配问题 | 第96-106页 |
| ·基本思路 | 第96-97页 |
| ·启发式信息 | 第97-100页 |
| ·可行解构造 | 第100-101页 |
| ·信息素更新 | 第101-102页 |
| ·实验结果与分析 | 第102-106页 |
| 第六章 结论 | 第106-108页 |
| ·全文总结 | 第106-107页 |
| ·研究展望 | 第107-108页 |
| 参考文献 | 第108-121页 |
| 发表论文和科研情况说明 | 第121-123页 |
| 致谢 | 第123页 |
