基于精英策略的混合粒子蚁群算法改进
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景以及研究意义 | 第10-11页 |
| ·蚁群算法原型及研究进展 | 第11-12页 |
| ·粒子群算法概述 | 第12-14页 |
| ·本文内容及组织结构 | 第14-16页 |
| 第2章 蚁群算法原理及其改进讨论 | 第16-30页 |
| ·基本蚁群算法 | 第16-22页 |
| ·基本原理 | 第16-18页 |
| ·蚁群算法的数学模型 | 第18-20页 |
| ·算法的实现步骤及流程 | 第20-22页 |
| ·蚁群算法中参数的选择 | 第22-25页 |
| ·蚁群算法的初步改进 | 第25-28页 |
| ·基于 Q-学习的自适应蚁群算法 | 第25-26页 |
| ·带有精英策略的蚁群算法 | 第26-28页 |
| ·蚁群算法的优缺点 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 粒子群算法的研究 | 第30-42页 |
| ·引言 | 第30页 |
| ·基本粒子群优化算法 | 第30-34页 |
| ·算法原理 | 第30-31页 |
| ·粒子群算法实现步骤及流程 | 第31-33页 |
| ·带惯性权重的粒子群优化算法 | 第33-34页 |
| ·粒子群算法参数设置 | 第34-36页 |
| ·动态加速常数的 PSO | 第36-40页 |
| ·算法描述 | 第37-38页 |
| ·函数测试及分析 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 分步实现的 PSO-ACO 算法研究 | 第42-52页 |
| ·引言 | 第42页 |
| ·PSO 与 ACO 的比较 | 第42-43页 |
| ·PSO-ACO 方案的原理与实际组成 | 第43-46页 |
| ·实验仿真 | 第46-50页 |
| ·旅行商问题 | 第46-47页 |
| ·仿真结果及分析 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 基于精英策略的 ACEPSO 算法研究 | 第52-63页 |
| ·引言 | 第52页 |
| ·ACEPSO 的原理及流程步骤 | 第52-55页 |
| ·仿真结果分析 | 第55-61页 |
| ·本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
