| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 人工鱼群算法简介 | 第12-15页 |
| 1.3 本文研究的主要内容 | 第15-17页 |
| 第2章 基本人工鱼群算法的性能以及参数分析 | 第17-24页 |
| 2.1 人工鱼的模型结构 | 第17-19页 |
| 2.2 人工鱼的基本行为以及其算法描述 | 第19-20页 |
| 2.3 人工鱼群算法的寻优原理 | 第20-21页 |
| 2.4 人工鱼群算法的收敛基础 | 第21-22页 |
| 2.5 各种参数对收敛性能的影响分析 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 人工鱼群算法的改进 | 第24-37页 |
| 3.1 本文的改进机理 | 第24-25页 |
| 3.2 引入的改进算法 | 第25-26页 |
| 3.2.1 全局人工鱼群算法 | 第25页 |
| 3.2.2 混沌人工鱼群算法 | 第25-26页 |
| 3.3 迭代步长与视野的优化 | 第26-29页 |
| 3.4 本文提出的改进算法步骤与验证 | 第29-36页 |
| 3.4.1 对人工鱼行为的改进 | 第29-30页 |
| 3.4.2 改进的人工鱼群算法流程 | 第30-31页 |
| 3.4.3 改进人工鱼群算法性能的验证 | 第31-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 求解TSP问题的验证与对比 | 第37-57页 |
| 4.1 旅行商问题 | 第37-38页 |
| 4.2 基于人工鱼群算法求解TSP问题的模型建立 | 第38-42页 |
| 4.3 人工鱼群算法求解TSP问题的分析与改进 | 第42-45页 |
| 4.3.1 KNN算法简介 | 第43-44页 |
| 4.3.2 将KNN算法引入求解TSP问题 | 第44-45页 |
| 4.4 SSAFSA-K在求解TSP问题的计算步骤 | 第45-46页 |
| 4.5 改进人工鱼群算法求解TSP问题的的验证 | 第46-56页 |
| 4.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |