| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·蚁群算法的起源 | 第12-13页 |
| ·蚁群算法的研究现状 | 第13-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的组织 | 第16-17页 |
| 第2章 蚁群算法的基本原理 | 第17-27页 |
| ·引言 | 第17页 |
| ·基本蚁群算法原理 | 第17-20页 |
| ·蚁群觅食的行为 | 第17-19页 |
| ·基本蚁群算法的机制原理 | 第19-20页 |
| ·蚁群算法的特征 | 第20页 |
| ·蚁群算法与TSP 问题 | 第20-21页 |
| ·人工蚁群算法 | 第20-21页 |
| ·旅行商问题 | 第21页 |
| ·基本蚁群算法的三种模型 | 第21-24页 |
| ·算法执行 | 第24-26页 |
| ·算法流程图 | 第24-25页 |
| ·算法具体步骤 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 蚁群算法的参数分析 | 第27-38页 |
| ·引言 | 第27页 |
| ·信息素挥发因子ρ | 第27-30页 |
| ·信息素启发式因子α | 第30-32页 |
| ·信息素自启发式因子β | 第32-34页 |
| ·总信息素Q | 第34-35页 |
| ·蚂蚁数目m | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 改进的蚁群算法 | 第38-50页 |
| ·引言 | 第38页 |
| ·改进蚁群算法的策略 | 第38-42页 |
| ·自适应蚁群算法 | 第38-40页 |
| ·最大最小蚁群算法 | 第40-41页 |
| ·带交叉算子的蚁群算法 | 第41页 |
| ·基于蚁群算法的分段求解算法 | 第41-42页 |
| ·一种改进的蚁群算法 | 第42-44页 |
| ·信息素的自适应更新 | 第42-43页 |
| ·参数q 0 的设置 | 第43页 |
| ·局部搜索策略 | 第43-44页 |
| ·实验结果 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 蚁群算法在自动售货机货物配送路径管理中的应用 | 第50-59页 |
| ·引言 | 第50页 |
| ·自适应蚁群算法在自动售货机货物配送路径管理中的应用 | 第50-53页 |
| ·自动售货机配送路径管理问题 | 第50-51页 |
| ·配送路径管理问题模型 | 第51-52页 |
| ·配送路径管理问题与旅行商问题的关系 | 第52-53页 |
| ·自适应蚁群算法设计 | 第53-57页 |
| ·状态转移规则 | 第53-54页 |
| ·信息素更新规则 | 第54页 |
| ·算法的可行解问题 | 第54-55页 |
| ·算法具体步骤 | 第55-57页 |
| ·算法结果分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·本文总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文 | 第65页 |