| 摘要 | 第1-10页 |
| Abstract | 第10-13页 |
| 插图索引 | 第13-14页 |
| 附表索引 | 第14-15页 |
| 第1章 绪论 | 第15-31页 |
| ·引言 | 第15-16页 |
| ·课题研究的背景 | 第16-28页 |
| ·群集智能研究的进展 | 第17-18页 |
| ·网络单播路由的研究现状 | 第18-19页 |
| ·网络组播路由的研究现状 | 第19-20页 |
| ·多约束QoS 网络组播路由算法的研究现状 | 第20-25页 |
| ·传统的QoS 组播路由算法 | 第21-22页 |
| ·基于智能算法的多约束QoS 网络路由算法 | 第22-25页 |
| ·多约束网络流量的研究现状 | 第25-28页 |
| ·传统网络流量算法的研究现状 | 第25-26页 |
| ·智能算法在多约束网络流量的研究现状 | 第26-28页 |
| ·本文的研究目的、意义和主要工作 | 第28-31页 |
| 第2章 QoS 网络路由最佳优化 | 第31-53页 |
| ·引言 | 第31-32页 |
| ·QoS 网络路由多约束条件 | 第32-33页 |
| ·基于粒子融合的QoS 蚁群优化路由算法(PSACO_QoS) | 第33-43页 |
| ·粒子群算法 | 第33-34页 |
| ·蚁群算法 | 第34-35页 |
| ·QoS 适应度函数 | 第35页 |
| ·基本粒子群算法融合流程 | 第35-36页 |
| ·粒子群算法与蚁群算法最佳融合时机 | 第36页 |
| ·基于粒子融合的QoS 蚁群优化路由算法 | 第36-38页 |
| ·程序编程流程图 | 第38页 |
| ·实验仿真 | 第38-43页 |
| ·结论 | 第43页 |
| ·基于混沌算子的蚁群优化改进QoS 路由算法 | 第43-51页 |
| ·引言 | 第43页 |
| ·QoS 适应度函数 | 第43-44页 |
| ·混沌优化算子 | 第44-45页 |
| ·基于混沌算子的蚁群优化改进QoS 路由算法基本原理 | 第45-46页 |
| ·基于混沌算子的蚁群优化改进QoS 路由算法流程 | 第46-48页 |
| ·实验仿真 | 第48-51页 |
| ·结论 | 第51页 |
| ·结论 | 第51-53页 |
| 第3章 QoS 网络组播路由寻优 | 第53-61页 |
| ·引言 | 第53页 |
| ·多约束网络适应度函数 | 第53-55页 |
| ·基于克隆粒子群融合的约束QoS 组播树算法基本原理 | 第55-57页 |
| ·基本粒子群算法 | 第55页 |
| ·亲和力算子 | 第55-56页 |
| ·克隆算子 | 第56页 |
| ·克隆变异算子 | 第56页 |
| ·克隆选择算子 | 第56-57页 |
| ·基于克隆粒子群融合的约束QoS 组播树算法流程 | 第57页 |
| ·实验仿真 | 第57-60页 |
| ·网络拓扑图 | 第57-59页 |
| ·实验结果 | 第59页 |
| ·算法对比实验 | 第59-60页 |
| ·结论 | 第60-61页 |
| 第4章 带宽约束网络的流量智能控制 | 第61-75页 |
| ·引言 | 第61-62页 |
| ·模糊控制流量算法的模型 | 第62-64页 |
| ·基于带宽限制模糊控制蚁群流量优化算法基本原理 | 第64-66页 |
| ·蚁群优化算法 | 第64-65页 |
| ·蚁群流量优化算法计分规则 | 第65页 |
| ·信息素更新规则 | 第65-66页 |
| ·实验仿真 | 第66-73页 |
| ·系统网络拓扑图 | 第66-67页 |
| ·基于带宽限制模糊控制蚁群流量优化算法流程 | 第67-68页 |
| ·基于带宽限制模糊控制蚁群流量优化算法参数设置 | 第68-69页 |
| ·实验结果 | 第69-73页 |
| ·算法对比实验 | 第73页 |
| ·结论 | 第73-75页 |
| 第5章 基于QoS 网络路由收敛性分析 | 第75-88页 |
| ·引言 | 第75页 |
| ·蚁群优化算法基本原理 | 第75-79页 |
| ·QoS 约束及适应度函数 | 第75-77页 |
| ·蚁群优化算法流程 | 第77-79页 |
| ·蚁群优化算法收敛性分析 | 第79-85页 |
| ·实验仿真 | 第85-87页 |
| ·网络拓扑图 | 第85页 |
| ·实验算法参数设定 | 第85-86页 |
| ·实验结果 | 第86-87页 |
| ·结论 | 第87-88页 |
| 第6章 网络安全聚类分析 | 第88-101页 |
| ·引言 | 第88-89页 |
| ·聚类分析 | 第89-90页 |
| ·聚类分析的编码 | 第90-94页 |
| ·聚类编码的原则 | 第90页 |
| ·聚类问题的编码划为方式 | 第90-92页 |
| ·聚类编码方法 | 第92-94页 |
| ·基于粒子交叉融合蚁群优化聚类算法基本原理 | 第94-96页 |
| ·K-聚类算法的数学描述 | 第94-95页 |
| ·基于粒子交叉融合蚁群优化聚类算法 | 第95-96页 |
| ·基于粒子交叉融合蚁群优化聚类算法流程 | 第96-97页 |
| ·基本的粒子交叉融合蚁群优化聚类算法流程 | 第96-97页 |
| ·改进的粒子交叉融合蚁群优化聚类算法 | 第97页 |
| ·实验仿真 | 第97-100页 |
| ·性能评价 | 第98页 |
| ·实验结果 | 第98-100页 |
| ·结论 | 第100-101页 |
| 第7章 总结与展望 | 第101-103页 |
| ·总结 | 第101页 |
| ·展望 | 第101-103页 |
| 参考文献 | 第103-112页 |
| 致谢 | 第112-113页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第113页 |
