| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-27页 |
| ·研究背景 | 第15-18页 |
| ·元启发式优化算法的作用 | 第15-16页 |
| ·算法背景介绍 | 第16-18页 |
| ·国内外研究现状综述 | 第18-25页 |
| ·群体智能算法的研究现状 | 第18-24页 |
| ·微正则退火算法的研究现状 | 第24-25页 |
| ·研究内容 | 第25页 |
| ·论文的创新点 | 第25-27页 |
| 第二章 元启发式算法的相关概念 | 第27-43页 |
| ·最优化问题及其分类 | 第27-28页 |
| ·组合优化 | 第27-28页 |
| ·函数优化 | 第28页 |
| ·局部最优与全局最优 | 第28-29页 |
| ·邻域的概念 | 第28-29页 |
| ·局部最优与全局最优 | 第29页 |
| ·计算复杂性 | 第29-32页 |
| ·算法复杂性 | 第29-30页 |
| ·问题复杂性 | 第30-32页 |
| ·启发式算法 | 第32-35页 |
| ·启发式算法概念 | 第32页 |
| ·元启发式算法 | 第32-35页 |
| ·元启发式算法的优化模式 | 第35-41页 |
| ·两种优化模式 | 第35-36页 |
| ·基于单一解的优化模式 | 第36页 |
| ·基于种群策略的优化模式 | 第36-38页 |
| ·算法混合趋势 | 第38-39页 |
| ·提升算法全局搜索能力的途径 | 第39-41页 |
| ·优化算法的评价 | 第41-43页 |
| 第三章 蚁群优化 | 第43-61页 |
| ·生物背景 | 第43-44页 |
| ·蚁群优化模型 | 第44-46页 |
| ·基本算法:蚂蚁系统 | 第46-52页 |
| ·公共参数定义 | 第46-47页 |
| ·Ant-density 模型与 Ant-quantity 模型 | 第47-48页 |
| ·Ant-cycle 模型 | 第48-49页 |
| ·若干问题 | 第49-51页 |
| ·与其他启发式算法的比较 | 第51-52页 |
| ·其他算法 | 第52-55页 |
| ·Ant-Q | 第52-53页 |
| ·ACS | 第53-54页 |
| ·MMAS | 第54页 |
| ·AS_(rank) | 第54-55页 |
| ·处理连续问题 | 第55-56页 |
| ·收敛性分析 | 第56页 |
| ·应用概述 | 第56-60页 |
| ·静态优化问题 | 第56-58页 |
| ·路由优化问题 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第四章 粒子群优化 | 第61-76页 |
| ·生物背景 | 第61页 |
| ·粒子群优化模型 | 第61-62页 |
| ·基本算法 | 第62-65页 |
| ·Gbest | 第63页 |
| ·Lbest | 第63-64页 |
| ·基本模型分割与综合 | 第64页 |
| ·若干问题 | 第64-65页 |
| ·两种参数配置方式 | 第65-66页 |
| ·惯性权重 | 第65-66页 |
| ·约束因子 | 第66页 |
| ·受关注的若干改进 | 第66-69页 |
| ·FIPS | 第66-67页 |
| ·Gaussian Algorithm | 第67页 |
| ·ARPSO | 第67-68页 |
| ·GCPSO | 第68-69页 |
| ·其他新颖的改进 | 第69页 |
| ·处理离散问题 | 第69-73页 |
| ·二进制编码 | 第69-71页 |
| ·求解 TSP 问题的算法 | 第71-73页 |
| ·量子粒子群优化算法 | 第73页 |
| ·应用概述 | 第73-74页 |
| ·小结 | 第74-76页 |
| 第五章 微正则退火算法及其应用 | 第76-99页 |
| ·微正则退火算法 | 第76-78页 |
| ·算法依据 | 第76-77页 |
| ·算法介绍 | 第77-78页 |
| ·TSP 实例仿真 | 第78-83页 |
| ·与模拟退火的比较 | 第78-81页 |
| ·两个参数的设置 | 第81-83页 |
| ·三种改进策略 | 第83-93页 |
| ·状态回溯机制 | 第83-85页 |
| ·能量奖励策略 | 第85-90页 |
| ·能量收缩策略 | 第90-93页 |
| ·基于微正则退火的频率分配方法 | 第93-98页 |
| ·典型的 FAP 模型 | 第93-94页 |
| ·本节采用的模型 | 第94页 |
| ·仿真实例 | 第94-95页 |
| ·算法设计 | 第95-96页 |
| ·初始频率分配方案 | 第96页 |
| ·相邻状态的创建方法 | 第96页 |
| ·结果分析 | 第96-98页 |
| ·小结 | 第98-99页 |
| 第六章 增强型参考位置的粒子群优化模型 | 第99-106页 |
| ·模型描述 | 第99-100页 |
| ·测试函数 | 第100页 |
| ·确定性的参数配置 | 第100-103页 |
| ·参数说明 | 第100-101页 |
| ·实验结果 | 第101-102页 |
| ·一个实际应用 | 第102-103页 |
| ·具有随机扰动的参数配置 | 第103-105页 |
| ·三种扰动位置的仿真结果 | 第103-104页 |
| ·随机扰动对其余参数的敏感程度 | 第104-105页 |
| ·小结 | 第105-106页 |
| 第七章 共享适应值的小生境粒子群优化 | 第106-114页 |
| ·小生境在遗传算法中的应用 | 第106-107页 |
| ·排挤小生境模型 | 第106页 |
| ·共享小生境模型 | 第106-107页 |
| ·其他小生境模型 | 第107页 |
| ·小生境在粒子群优化中应用 | 第107-108页 |
| ·NichePSO 模型 | 第107-108页 |
| ·SPSO 模型 | 第108页 |
| ·nbest PSO 模型 | 第108页 |
| ·ShPSO 模型 | 第108-110页 |
| ·邻居集合的构建方式 | 第109页 |
| ·适应值与共享适应值 | 第109页 |
| ·ShPSO 的算法流程 | 第109-110页 |
| ·实验结果分析 | 第110-112页 |
| ·若干约定 | 第110页 |
| ·与最佳 Lbest 比较 | 第110-111页 |
| ·增大邻居规模 | 第111页 |
| ·改变种群规模 | 第111-112页 |
| ·改变小生境半径 | 第112页 |
| ·小结 | 第112-114页 |
| 第八章 基于两阶段策略的粒子群优化 | 第114-120页 |
| ·两阶段策略设计 | 第114-115页 |
| ·算法流程 | 第114-115页 |
| ·算法特点 | 第115页 |
| ·实验设计 | 第115-116页 |
| ·测试函数 | 第115-116页 |
| ·状态迭代规则 | 第116页 |
| ·实验结果 | 第116-119页 |
| ·策略的有效性 | 第117-118页 |
| ·子群数量 K 的影响 | 第118页 |
| ·参数的敏感性 | 第118-119页 |
| ·小结 | 第119-120页 |
| 第九章 结束语 | 第120-122页 |
| 附录 1 TSP 实例的节点坐标 | 第122-123页 |
| 附录 2 核心源程序 | 第123-132页 |
| 致谢 | 第132-133页 |
| 参考文献 | 第133-145页 |
| 攻读学位期间发表的学位论文 | 第145页 |