| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的研究背景和意义 | 第8页 |
| ·国内外的研究现状和进展 | 第8-11页 |
| ·论文的主要工作和研究线路图 | 第11-12页 |
| ·论文创新点和内容安排 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 蚁群算法的原理及研究 | 第14-29页 |
| ·蚁群算法原理及算法描述 | 第14-18页 |
| ·蚁群算法的生物基础 | 第14-16页 |
| ·蚁群算法的基本原理 | 第16-18页 |
| ·蚁群算法的抽象模型及其实现 | 第18-22页 |
| ·TSP问题的描述 | 第18-19页 |
| ·蚁群算法的模型及其实现 | 第19-22页 |
| ·几种经典的ACO算法及性能分析 | 第22-25页 |
| ·蚁群算法与其他群智能算法的比较 | 第25-28页 |
| ·蚁群算法与遗传算法的比较 | 第26-27页 |
| ·蚁群算法与粒子群算法的比较 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于信息熵的加权蚁群算法的研究及其性能分析 | 第29-47页 |
| ·改进算法的选择策略 | 第29-31页 |
| ·改进算法的信息素更新策略 | 第31-32页 |
| ·基于信息熵的算法改进 | 第32-35页 |
| ·基于信息熵的加权蚁群算法在TSP上的实现 | 第35-41页 |
| ·基于信息熵的加权蚁群算法的实现步骤 | 第35-37页 |
| ·基于信息熵的加权蚁群算法与MMAS的性能比较 | 第37-41页 |
| ·基于信息熵的加权蚁群算法中参数的选择及对算法的影响 | 第41-46页 |
| ·蚂蚁数量m的选择 | 第41-43页 |
| ·信息素挥发因子ρ的选择 | 第43-44页 |
| ·启发式因子α、β的选择 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于信息熵的加权蚁群算法在智能交通中的应用 | 第47-58页 |
| ·交通道路网的表示方式 | 第47-50页 |
| ·路网拓扑结构的提取 | 第48-50页 |
| ·路网拓扑结构的效果图 | 第50页 |
| ·椭球算法计算两点距离 | 第50-51页 |
| ·出行者选择路径的不同准则 | 第51-52页 |
| ·利用AHP模型选择最优路径 | 第52-55页 |
| ·基于信息熵的加权蚁群算法在寻优问题中的实现 | 第55-57页 |
| ·寻优过程 | 第55页 |
| ·寻优结果展示 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| ·工作总结 | 第58-59页 |
| ·进一步的工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录A (攻读硕士期间发表的论文及其他成果) | 第64-65页 |
| 附录B (算法核心代码) | 第65-68页 |
