| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-27页 |
| ·人工智能 | 第8-10页 |
| ·计算智能 | 第10页 |
| ·群智能 | 第10-11页 |
| ·智能优化技术 | 第11-25页 |
| ·计算复杂性 | 第12-13页 |
| ·智能优化新方法 | 第13-25页 |
| ·研究内容与论文结构安排 | 第25-27页 |
| 第二章 蚁群优化算法的原理及研究 | 第27-50页 |
| ·自然蚂蚁的智能特点 | 第27-28页 |
| ·人工蚂蚁的模型 | 第28-29页 |
| ·蚂蚁系统 | 第29-33页 |
| ·旅行商问题 | 第29页 |
| ·蚂蚁系统 | 第29-31页 |
| ·蚂蚁系统的实现步骤 | 第31-32页 |
| ·算法复杂度分析 | 第32-33页 |
| ·蚁群优化算法 | 第33-36页 |
| ·蚁群优化算法的实现 | 第33-35页 |
| ·蚁群优化算法的特点 | 第35页 |
| ·蚁群优化算法的收敛性 | 第35-36页 |
| ·蚁群优化算法中参数的设置 | 第36-37页 |
| ·信息素的增强 | 第37-40页 |
| ·几种改进的算法 | 第40-44页 |
| ·中国旅行商问题 | 第44-48页 |
| ·小结 | 第48-50页 |
| 第三章 蚁群优化算法在迷宫最短路径问题中的应用 | 第50-66页 |
| ·迷宫最短路径问题 | 第50-51页 |
| ·蚁群优化算法解决迷宫最短路径问题 | 第51-55页 |
| ·交通路由问题 | 第55-59页 |
| ·基于蚁群智能特点的算法在智能交通系统中应用的设想 | 第59-65页 |
| ·传统的路径选择算法 | 第59-60页 |
| ·三种典型的基于蚁群智能的模型和算法 | 第60-63页 |
| ·在交通问题中应用的设想 | 第63-65页 |
| ·实现的困难 | 第65页 |
| ·小结 | 第65-66页 |
| 第四章 基于蚁群智能的人脸特征选择 | 第66-85页 |
| ·特征选择的基本概念 | 第66-69页 |
| ·人脸识别技术 | 第69-72页 |
| ·主成元分析 | 第72-74页 |
| ·支持向量机 | 第74-76页 |
| ·基于蚁群智能的人脸性别特征选择 | 第76-79页 |
| ·基于蚁群智能和支持向量机的人脸性别识别系统 | 第79页 |
| ·人脸性别识别实验结果分析 | 第79-80页 |
| ·基于蚁群智能和支持向量机的人脸识别系统 | 第80-81页 |
| ·人脸识别实验结果及分析 | 第81-84页 |
| ·小结 | 第84-85页 |
| 第五章 解决HP蛋白质折叠问题的动态繁殖的蚁群优化算法 | 第85-104页 |
| ·蛋白质 | 第85-86页 |
| ·蛋白质折叠 | 第86-89页 |
| ·蛋白质HP格点模型 | 第89-90页 |
| ·现存方法 | 第90-91页 |
| ·动态繁殖的蚁群优化算法 | 第91-94页 |
| ·实验结果 | 第94-103页 |
| ·小结 | 第103-104页 |
| 第六章 结论 | 第104-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-120页 |
| 博士期间发表论文 | 第120-121页 |
| 博士学位论文简况表 | 第121-123页 |
| 指导教师简况表 | 第123-124页 |
| 作者简况表 | 第124页 |